今年初,微软开源一个叫 AirSim 的研究专案,用来测试人工智能系统的安全性。
据了解,AirSim 为研究提供现实环境、车辆动力和感知,保证自驾车的安全。10 月时,微软升级了 AirSim。现在 AirSim 系统已能覆盖汽车模拟器,促进无人车的研究和发展。最新版本的 AirSim 已登陆 GitHub,支援开源和跨平台作业。
同时,新版 AirSim 还更新了许多功能,其中之一便是为空中交通工具提供其他解决方案。在 AirSim 的帮助下,开发者可透过一种叫“simple_flight”的内建式飞行控制器,降低人们模拟无人机飞行的难度。这就让控制和状态估计(state estimation)算法实验更简单容易,无需内建昂贵的纠错和开发程式。
用模拟器建造和测试汽车
开发自驾车算法成本非常昂贵,需要完善的基础设施建造高成本硬件平台和巨大的数据库。
现在,微软透过一种开放式、以社群驱动的平台来测试这些算法,让更多研究团队从事自驾车开发。AirSim 的新版本包括汽车模拟器、新的环境和 APIs,修改程式和即将执行的程式档,让工程师快速开始研究。
快速打造更丰富的环境
AirSim 拥有非常详细的 3D 城市环境,包含多种类动态情景,比如交通号志、停车场、湖、建筑工地等。用户可在社群的不同环境测试系统,比如市中心、近郊地区、植被覆盖区和工业区。模拟环境还包含超过 12 公里道路,延伸到 20 多个城市街区。
AirSim 开发成 Unreal Engine(虚幻引擎,简称 UE,是一款出色流行的 3D 游戏引擎和开发工具)外挂,这意味着汽车模拟器将与其执行的环境分离。
开发者可打造某种特定环境(比如城市或农村道路),来满足特定需求;或选多种线上环境,满足多种需求;然后略过 AirSim 外挂测试你的自动驾驶算法。AirSim 也允许研究者和开发者结合新感测器和车辆,甚至使用不同物理引擎。
促进人工智能研究
AirSim 提供能在多种电脑语言(包括 C++ 和 Python)使用的 APIs,这样一来,用多种机器学习工具链使用 AirSim 会更容易。
例如,开发者可使用有 AirSim 帮助的 Microsoft Cognitive Toolkit(CNTK,微软认知工具包)做深度增强学习。
同时,AirSim 还能与 Microsoft Azure 云端一起,延伸资料需求量巨大的机器学习算法。此外,有了 AirSim 的帮助,你可在短短几分钟内下载 Python APIs,并让它控制汽车。
目前,微软让 AirSim 获得很多团队支援,包括微软自己的 Microsoft Garage 团队,也包括人工智能其他团队。
据了解,未来微软希望加入更新的感测器、更好的车辆物理引擎、更棒的天气模型和更精细的现实环境,也期待更多团队加入,实现共同成长。
(本文由 雷锋网 授权转载;首图来源:影片截图)
延伸阅读:
- 微软释出开源的无人机训练模拟器 Airsim