Исследователи из Intel, Toyota и испанского Центра компьютерного зрения разработали симулятор городской среды, предназначенный для обучения алгоритмов управления беспилотными автомобилями. Он позволяет имитировать работу различных сенсоров и получать данные в реальном времени. Код симулятора опубликован под свободной лицензией, поэтому разработчики могут адаптировать его под свои нужды. Также исследователи изучили с помощью симулятора эффективность алгоритмов разных типов. Разработка была представлена на Конференции по обучению роботов в штаб-квартире Google, статья опубликована на arXiv.org.
Многие крупные автопроизводители разрабатывают беспилотные автомобили. Поскольку для самостоятельного управления они должны учитывать огромное количество факторов, алгоритмы поведения в тех или иных ситуациях в основном не прописываются «вручную» программистами, а формируются в процессе обучения. Для этого используется реальное тестирование, при котором автомобиль передвигается по дорогам вместе с инженером, готовым в случае неправильных действий алгоритма перехватить управление.
Несмотря на то, что при таком подходе автомобиль проверяется в максимально приближенных к реальной эксплуатации условиях, он имеет свои недостатки. Недавно выяснилось, что инженеры, которые должны контролировать автомобиль, на самом деле могут отвлекаться и даже засыпать за рулем, а полученных в результате заездов данных недостаточно для того, чтобы автомобили стали полностью самостоятельными. В качестве решения этой проблемы некоторые разработчики создают специальные компьютерные симуляторы, но они не всегда хорошо имитируют реальные условия, и зачастую являются закрытыми разработками, предназначенные для использования в одной компании.
Исследователи под руководством Владлена Колтуна (Vladlen Koltun) из Центра Компьютерного Зрения в Барселоне создали новый симулятор с открытым кодом под названием CARLA. В нем имитируется городская среда со зданиями, пешеходами, автомобилями и другими объектами, а также меняющаяся погода. Для рендеринга в симуляторе используется бесплатный для некоммерческого использования движок Unreal Engine 4. Разработчики алгоритмов для беспилотных автомобилей могут подключать к симулятору свои алгоритмы через специальный API. На данный момент в симуляторе доступны несколько сенсоров: обычная камера, камера глубины и сегментирующая камера, классифицирующая объекты. Также доступен API для подключения сторонних датчиков.
Разработчики также оценили с помощью своей системы разные подходы, используемые при обучении таких алгоритмов. Они сравнивали подход, называемый модульным конвейером, в котором за обработку разных входных данных, например, визуальное восприятие, планирование и управление, отвечают разные подсистемы. Такой подход с некоторыми различиями в реализации используется в большинстве существующих систем управления беспилотных автомобилей. Также исследователи оценивали два вида оконечного (end-to-end) глубокого обучения, при котором система получает максимально «сырые», то есть неразмеченные данные. Для оценки такого подхода исследователи выбрали нейросети, обученные с помощью имитационного обучения, при котором сеть старается имитировать поведение человека, и подкрепление с обучением, при котором она получает оценку своих действий.
Они выяснили, что разные подходы в большинстве случаев имели примерно одинаковую эффективность, и их результаты различались менее, чем на 10 процентов. Но также исследователи обнаружили, что в случае, когда погода отличалась от той, на которой алгоритм тренировался, модульный подход имел заметное преимущество, а в случае нового города, отличавшегося от тренировочного, наоборот проигрывал другим алгоритмам. Исследователи также сравнили между собой два метода оконечного глубокого обучения, и выяснили, что алгоритмы, обученные с подкреплением справлялись значительно хуже во всех задачах.
Ранее 3D-симулятор для ускорения обучения беспилотных автомобилей уже начали использовать в Ford и Google. А исследователи из Стенфорда разработали симулятор, в котором добровольцы могут проверять работу алгоритмов распознавания окружающей обстановки беспилотных автомобилей.
Григорий Копиев