自動駕駛的奧林匹克
分享一個将在NIPS2018舉行的自動駕駛領域的比賽AI driving olympics (AI-“DO”)。
它由開源平台DuckieTown舉辦,旨在互動式的環境下探索機器學習的前沿邊界。通過将近來深度學習、機器學習和強化學習領域的巨大進步應用于機器人領域,利用基于學習的系統來提高真實環境中機器人的能力。同時利用AI和仿真環境模拟真實世界的駕駛問題,并通過挑戰這些真實世界的難題來解決目前自動駕駛中存在的問題。這個比賽為機器學習的研究人員提供了一個在實踐中檢驗自己算法的機會。通過綜合考慮算力、延時和系統工程來将機器學習算法與實踐中的自動駕駛結合起來。
這一比賽的目标一方面在于能夠為應用于真實世界的實體實體建立一套準确的基準名額,同時能夠讓更多的研究人員注意到機器學習算法在真實世界的實體實體中應用的問題,不斷推動這一領域的進步
這一自動駕駛挑戰賽主要分為了四個方面的任務:
- 車道線檢測與跟蹤
- 動态交通工具下的車道線跟随
- 動态障礙下的導航
- 按需自動化
這四個任務基本上覆寫了自動駕駛常見的場景和問題,包括了城市中直線、彎道、跟車等各種路況。所有的比賽都有開源的軟硬體平台相比對,其中硬體平台包括了樹莓派3(也可以增加Movidius 來提高算力)和小車底盤,并建構了模拟真實路況的車道和各種交通标志。
同時還包括了仿真環境和可以遠端接入的robotarium,分布在全球5個大學的機器人可供參賽者遠端接入調試算法。
具體資源請移步這裡:
http://docs.duckietown.org/AIDO/out/embodied_tasks.html
Lane following
這一任務主要的目标是在模拟的道路上按照車道線行駛。主要的評價名額在于三個方面,即是否按照交通規則行駛、行駛的速度和行駛過程中的平滑控制。這對應了真實情況下的法規、效率和舒适性等評價名額。
同時,比賽要求這一任務的算法需要按照響應式的方式來設計,而不能依賴于過程觀測的記憶資訊。
Lane following + Dynamic vehicles
這一任務比先前的任務加入了更多的規則和動态的車輛,以及靜态的障礙物。這個任務需要小車之間進行互相互動,是以不再要求響應式程式設計。小車之間的互動将由主辦方來提供。
Navigation + Dynamic vehicles
這一任務涉及到了自動駕駛中真正的從A2B的導航問題,通過已有的地圖來規劃出一條盡可能高效的路線,并與周圍的車輛協同互動,盡可能安全快捷的到達目的地。
這裡的評價名額除了規則外最重要的就是從A到B的時間了。比賽會采樣一系列起終點來綜合評價。
比賽的前三個任務可以在docker環境中實作,這裡給出了詳細的配置和更新說明:
http://docs.duckietown.org/AIDO/out/modifying_gym_server.html
Autonomous Mobility-on-Demand
這是一個更具挑戰的任務,其目的是在單個城市運作一個自動駕駛車隊,盡可能高效的将城市裡的乘客送到目的地。比先前更為複雜的是,現在除了需要考慮整個車隊的運作狀況,同時還需要兼顧客戶需求,除了控制之外涉及了一系列社會問題。問題的難度從如何控制好一台機器人變為了如何更高的控制機器人們來服務好顧客!
在這一任務中,在一個更大範圍的模拟環境中實作基于需求的自動駕駛任務(自動駕駛計程車),在這個環境中實作自動駕駛的配置和排程以及控制面臨着以下挑戰:
1.運作的環境巨大而且複雜,并且交通狀況是随時間變化的;
2.決策之間是互相影響的;
3.營運好一個自動駕駛計程車隊需要平衡汽車的數量、資金投入和乘客的等待時間。
整套系統在仿真平台AMoD上運作,很多傳統算法都無法完成這一任務,這也是在NIPS上提出這個比賽的原因,期待機器學習能夠給出更好的解決方案。
你可以在這裡找到這個仿真平台:
https://github.com/idsc-frazzoli/amodeus
這個比賽于8月7号釋出,将于10月1号正式開始比賽(十一假期的娛樂項目有了!),并與11月30日截止送出。如果想要參加,可以到這裡
https://www.duckietown.org/research/ai-driving-olympics/ai-do-register
參考連結:
競賽網站AI-DO:https://www.duckietown.org/research/AI-Driving-Olympics
nips:https://nips.cc/Conferences/2018/CompetitionTrack
DuckieTown:https://www.duckietown.org/about/mission
遠端機器人平台Robotarium:https://www.robotarium.gatech.edu/