模拟器将在道路测试之前提高自动驾驶车辆的安全性

马里兰大学计算机科学家Dinesh Manocha与百度研究和香港大学的一组同事合作,开发了一种照片般逼真的模拟系统,用于培训和验证自动驾驶车辆。与使用游戏引擎或高保真计算机图形和数学渲染流量模式的当前系统相比,新系统提供了更丰富,更真实的模拟。

他们的系统称为增强自动驾驶模拟(AADS),可以使自动驾驶技术在实验室中更容易评估,同时在昂贵的道路测试开始之前确保更可靠的安全性。

科学家们在2019年3月27日发表在“科学机器人”杂志上的一篇研究论文中描述了他们的方法论。

“这项工作代表了一种新的模拟范例,我们可以在将它部署到真实汽车上并在高速公路或城市道路上进行测试之前测试自动驾驶技术的可靠性和安全性,”该论文的相应作者之一Manocha表示,一位在计算机科学,电气和计算机工程以及马里兰大学高级计算机研究所共同任命的教授。

自动驾驶汽车的一个潜在好处是,它们可能比那些容易分心,疲劳和情绪决定导致错误的人类驾驶员更安全。但为确保安全,自动驾驶汽车必须无误地评估和响应驾驶环境。鉴于汽车可能在路上遇到的无数情况,自动驾驶系统需要在极具挑战性的条件下进行数亿英里的试驾以证明可靠性。

虽然这可能需要数十年才能完成,但可以通过精确表示现实世界并模拟周围物体行为的计算机模拟快速,有效和安全地进行初步评估。科学文献中描述的当前最先进的模拟系统在描绘照片真实环境和呈现真实世界交通流模式或驾驶员行为方面存在不足。

AADS是一种数据驱动系统,可以更准确地表示自驾车在道路上接收的输入。自动驾驶汽车依靠感知模块和导航模块,感知模块接收和解释关于现实世界的信息,导航模块基于感知模块做出决定,例如在哪里驾驶或者是否打破或加速。

在现实世界中,自动驾驶汽车的感知模块通常接收来自摄像机和激光雷达传感器的输入,其使用光脉冲来测量周围的距离。在当前的模拟器技术中,感知模块接收来自计算机生成的图像的输入和用于行人,自行车和其他汽车的数学建模的运动模式。它是现实世界的一个相对粗略的代表。由于计算机生成的图像模型必须是手工生成的,因此创建它也是昂贵且耗时的。

AADS系统将照片,视频和激光雷达点云(类似于3D形状渲染)与行人,自行车和其他汽车的真实轨迹数据相结合。这些轨迹可用于预测道路上其他车辆或行人的驾驶行为和未来位置,以便更安全地进行导航。

“我们使用视频和照片在视觉上渲染和模拟现实世界,”Manocha说,“但我们也捕捉到真实的行为和运动模式。人类驾驶的方式不容易通过数学模型和物理定律捕捉因此,我们从所有可用的视频中提取有关真实轨迹的数据,并使用社会科学方法模拟驾驶行为。这种数据驱动方法为我们提供了一个更加真实和有益的交通模拟器。

科学家们在使用真实视频图像和激光雷达数据进行模拟时遇到了长期的挑战:每个场景必须响应自动驾驶汽车的运动,即使这些运动可能没有被原始摄像头或激光雷达传感器捕获。无论是照片还是视频都没有捕获任何角度或视点,都必须使用预测方法进行渲染或模拟。这就是仿真技术一直非常依赖计算机生成的图形和基于物理的预测技术的原因。

为了克服这一挑战,研究人员开发了一种技术,可以隔离现实世界街景的各个组成部分,并将其作为可以重新合成的单个元素,以创建大量照片般逼真的驾驶场景。

通过AADS,车辆和行人可以从一个环境中升起,并通过适当的照明和运动模式放置到另一个环境中。道路可以通过不同的交通水平重建。每个场景的多个视角在车道变换和转弯期间提供更逼真的视角。此外,与其他视频模拟技术相比,先进的图像处理技术可实现平滑过渡并减少失真。图像处理技术还用于提取轨迹,从而模拟驾驶员行为。

“因为我们正在使用真实世界的视频和真实世界的动作,我们的感知模块比以前的方法拥有更准确的信息,”Manocha说。“然后,由于模拟器的真实性,我们可以更好地评估自动驾驶系统的导航策略。”

Manocha说,通过发表这项工作,科学家们希望一些开发自动驾驶车辆的公司可能采用相同的数据驱动方法来改进他们自己的模拟器,以测试和评估自动驾驶系统。