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
