NIO'nun bu kendi kendine sürüş test yazılımı, bir dakika içinde otomatik olarak şehir blokları oluşturabilir
Daha önce Carla, Prescan, carsim, Panosim gibi birçok otomatik sürüş simülasyon yazılımını rapor etmiştik ... Hepsinin manuel modelleme gerektirdikleri ortak bir özelliği var. "Bu durumun" hızı çok yavaş ve genellikle birkaç hafta sürüyor. Şehir apartmanları. Yeni bir girişim olan Parallel Domain, bilgi işlem programının bir dakikadan daha kısa sürede şehir blokları oluşturabileceğini iddia etti.
Parallel Domain, otomatik araç simülasyonu için 3D ortam oluşturma yazılımı tedarikçisidir.Kurucusu eski Apple ve Pixar çalışanı Kevin McNamara'dır. McNamara, Apple'da çalışırken, sanal ortamların otomatik içerik üretimini keşfettiği otonom bir sürüş projesine katıldı. O zamanki fikri, otonom sürüş sistemlerini eğitmek, test etmek, doğrulamak ve doğrulamak için bu teknolojiyi kullanmaktı. Yapay zeka geliştirin. Daha sonra Parallel Domain'i kurdu.
McNamara, "Yaptığımız şey, güvenli otonom araçların gelişimini hızlandırmak için bilgisayar grafikleri kullanmak," dedi. "Fikir, simülasyonda, güvenli bir şekilde hatalar yapabilir ve sonra onlardan öğrenebilirsiniz. Sanal dünyada. Bu simülasyonda kimseye zarar vermeyeceksiniz. "
Parallel Domain platformu, arabalara nasıl sürüleceğini öğretmek ve arabanın yazılımının öğrenmesini sağlamak için gerçek dünya harita verilerini, program büyüme algoritmalarını ve üretken modelleri kullanır. Şerit sayısı, arazi türü, dağ konumu, yol eğriliği vb. Gibi sanal dünyanın tüm unsurları ayarlanabilir ve programlanabilir.
Bir simülatörde milyarlarca mil gitmemiz gerekirse, bu milleri nasıl inşa ederiz?Mevcut makine öğrenimi algoritmaları büyük veri kümeleri üzerinde eğitilmeli ve test edilmelidir. Bununla birlikte, gerçek dünya testi ve veri toplama gerçek araçlar, gerçek sürücüler ve gerçek zamanlı trafik senaryoları gerektirir. RAND'a göre, sürücüsüz arabaların güvenliğini kanıtlamak istiyorsanız, 11 milyar mil güvenli bir şekilde gitmeniz gerekiyor.Bu milleri gerçek dünyada sürmek zor bir problem. Pek çok insan simüle edilmiş sürüş verilerini kullanmayı düşünüyor, ancak şu anda mevcut manuel yöntemlerle birkaç yüksek kaliteli kentsel blok inşa etmek haftalar hatta aylar alıyor ve genellikle çok sayıda tekrarlayan el emeği gerektiriyor.
RAND Sürüş Güvenliği Raporu
Parallel Domain'in çığır açan içerik oluşturma teknolojisi, yapılandırılabilir, ayrıntılı ve büyük ölçüde ölçeklenebilir bir simülasyon ortamı sağlar. Yazılım, otonom araçların ihtiyaç duyduğu sanal kilometre ve sanal sahneleri gerçek dünyaya ulaşmadan öğrenebilmeleri için otomatik olarak oluşturacaktır. Kendi kendine giden araba şirketleri, yazılımı büyük ölçekli simülasyonlardaki en zor engeli ortadan kaldırmak için kullanıyor: araçların karşılaşabileceği çeşitli karmaşık ortamları oluşturmak.
Parallel Domain'in benzersiz yöntemiyle otomatik olarak oluşturulan bu simülasyon dünyalarının birçok avantajı vardır. Bu teknoloji ile sanal dünya, mühendisler, birkaç satır kod ve hatta yapay zeka tarafından isteğe göre ayarlanabilen devasa bir parametre alanı haline geliyor:
Bugün sadece dünya değil, olası bir dünya için hazırlanın : Bir bisiklet şeridi ekleyin, çöpü dağıtın, önceden yol kenarında bir ağacın büyümesine izin verin veya asfalt kaplamanın çatlamasına veya tamamen ayrılmasına izin verin ve ardından yolu yeni asfaltla yeniden döşeyin.
Bireysel çevresel faktörlerin etkisini analiz edin : Mükemmel tekrarlanabilirlik ve parametrelendirme dünyasında, şerit sayısı, bisiklet şeridinin genişliği veya yol boyasının durumu gibi unsurlardan birini değiştirerek, tek bir faktörün bütün üzerindeki etkisini analiz etmek için aynı tam sahnenin birden fazla akışı üretilir. Etki.
Yüzleşme Ağı : Parametre alanı belirli bir sanal dünya oluşturmak için kullanılabilir, üretken karşılaşma teknolojisi otonom araçlar için zor bir ortam oluşturmak için kullanılabilir ve aracın belirli zayıf yönleri eğitim için kullanılabilir.
Rastgele alan : Dünyayı oluşturmak için bir dizi parametre kullanın ve makine öğrenimi algoritmasının sanal dünyadan gerçek dünyaya aktarılmasına yardımcı olmak için farklı koşullar altında büyük miktarda veri oluşturmak için doğrudan rastgele alanı kullanın.
ünite testi : Şimdiye kadar, büyük ölçekte tam bir birim test sürekliliği üretmek imkansız. Örneğin, üç yönlü bir kavşak var, herhangi bir açıda girebilirsiniz, 1 derece artış veya 10 derece veya 0,1 derece deneyebilirsiniz. Yakında sürekli bir test alanı oluşturan milyonlarca kombinasyon olacak.
Pek çok yönden, simülasyon (sentetik veriler) gerçek sürüş (gerçek veriler) için ideal bir temeldir ve iyi bir kombinasyon oluştururlar. Bazen "Sentetik veriler ne zaman gerçek dünya verileri kadar iyi olacak?" Diye soruyoruz. Aslında, sentetik veriler ve gerçek veriler, daha güvenli ve daha güvenilir araçlar oluşturmak için ikisini birleştirerek birbirini tamamlıyor. Simülasyon verilerinin bazı alanlarda büyük avantajları vardır:
-
Gerçek sürüş risklidir / simüle edilmiş sürüş tamamen güvenlidir
-
Gerçek sürüş çok yavaştır (bir araba günde sadece birkaç mil gidebilir) / simüle edilmiş sürüş çok hızlı olabilir, muhtemelen binlerce kat daha hızlı
-
Gerçek sürüş mil başına pahalıdır (araba bakımı, benzin, sürücü) / simüle edilmiş sürüş maliyetin küçük bir kısmıdır (simülatör ve sanal dünya kurulduktan sonra)
-
Gerçek bir aracı yönetmek için gerçek sürüş ihtiyacı / simülasyon bir bilgisayara ihtiyaç duyar
-
Gerçek sürüş genellikle oldukça sıkıcıdır ve bilgi / simülasyon eksikliği aracın zorlu durumlarda daha fazla öğrenmesini sağlayabilir.
-
Gerçek dünya verileri, sonuç veri kümesinde hataya açık ek açıklamalar gerektirir. Bu, makine öğrenimi algoritmasını / simülasyonunu her seferinde eksiksiz ek açıklama verileri sağlayacak şekilde eğitmek içindir
Parallel Domain, başlangıç finansmanı için 2,5 milyon dolar topladı ve otonom araçların sanal testi için teknik destek sağlayacak. Simülasyon ekibi, hızlı bir şekilde yeni bir sanal dünya oluşturmak ve şerit sayısından asfalt koşullarına kadar buradaki tüm değişkenleri yönetmek için Parallel Domain'in yazılımını kullanabilir. NIO ilk müşteri oldu. Bu simülasyon platformuna yönelik potansiyel talep, otonom araçlarla sınırlı değildir. Karar verme özerkliğini iyileştirmek için bilgisayarla görü ve makine öğrenimini kullanan her makine, güvenliği test etmek ve kanıtlamak için yüksek kaliteli bir sanal dünya gerektirir. Çevre teknolojisini otomatik olarak üreten Parallel Domain, büyük ölçekli simülasyonda şirketin engellerini ortadan kaldırabilen kentsel blok modellerini hızla oluşturabilir.
