Der Open-Source-Fahrsimulator, der autonome Fahrzeuge trainiert

Selbstfahrende Autos werden die Verkehrssysteme auf der ganzen Welt revolutionieren. Glaubt man dem Hype, stehen vollautonome Fahrzeuge kurz davor, auf die Straße zu kommen.

Die Wahrheit ist komplexer. Die fortschrittlichsten Selbstfahrtechnologien funktionieren nur in einer extrem begrenzten Anzahl von Umgebungen und Wetterbedingungen. Und während die meisten neuen Autos in den kommenden Jahren irgendeine Form von Fahrerassistenz haben werden, sind autonome Autos, die unter allen Bedingungen ohne menschliche Aufsicht fahren, noch viele Jahre entfernt.

Eines der Hauptprobleme besteht darin, dass es schwierig ist, Fahrzeuge für alle Situationen zu trainieren. Und die herausforderndsten Situationen sind oft die seltensten. Es gibt eine Vielzahl kniffliger Umstände, denen Autofahrer selten begegnen: ein Kind, das auf die Straße rennt, ein Fahrzeug, das auf der falschen Straßenseite fährt, ein Unfall direkt vor Ihnen und so weiter.

Unter all diesen Umständen muss ein selbstfahrendes Auto gute Entscheidungen treffen, auch wenn die Wahrscheinlichkeit, auf sie zu stoßen, gering ist. Und das wirft eine wichtige Frage auf: Wie können Autohersteller ihre Fahrzeuge trainieren und testen, wenn diese Ereignisse so selten sind?

Heute bekommen wir dank der Arbeit von Alexey Dosovitskiy von Intel Labs und einigen Freunden vom Toyota Research Institute und dem Computer Vision Center in Barcelona, ​​Spanien, eine Art Antwort. Sie haben einen Open-Source-Fahrsimulator entwickelt, mit dem Autohersteller selbstfahrende Technologien unter realistischen Fahrbedingungen testen können.

Das System namens CARLA (Car Learning to Act) simuliert eine Vielzahl von Fahrbedingungen und wiederholt gefährliche Situationen endlos, um das Lernen zu unterstützen. Das Team hat es bereits verwendet, um die Leistung mehrerer verschiedener Ansätze für das autonome Fahren zu bewerten.

Fahrsimulatoren sind nicht neu. Es gibt zahlreiche realistische Fahr- und Rennsimulatoren, von denen viele für Spiele entwickelt wurden. Verschiedene autonome Fahrgruppen haben sie verwendet, um ihre Technologien zu testen.

Aber keiner dieser Simulatoren liefert das Feedback, das autonome Fahrsysteme benötigen, um effektiv zu trainieren. Diese Systeme ermöglichen auch keine signifikante Kontrolle über die Fahrbedingungen oder die Aktionen anderer Agenten.

Rennsimulatoren haben normalerweise keinen Querverkehr oder Fußgänger. Und Stadtsimulatoren wie Grand Theft Auto geben keine Kontrolle über das Wetter, den Sonnenstand, das Verhalten anderer Autos, Ampeln und Fußgänger, Radfahrer und so weiter.

Und diese proprietären Systeme geben nicht die Art von technischem Feedback, das autonome Fahrsysteme lernen müssen.

Also haben Dosovitskiy und Co. ihren eigenen Simulator entwickelt. CARLA bietet eine Bibliothek mit Objekten, die unter verschiedenen Wetter- und Lichtbedingungen in Städten angeordnet werden können. Die Bibliothek umfasst 40 verschiedene Gebäude, 16 animierte Fahrzeugmodelle und 50 animierte Fußgänger.

Das Team hat diese genutzt, um zwei Städte mit mehreren Kilometern befahrbarer Straßen zu schaffen und anschließend drei verschiedene Ansätze zum Training von Selbstfahrsystemen getestet. Die Ansätze werden in kontrollierten Szenarien mit steigendem Schwierigkeitsgrad evaluiert, sagt das Team.

Die Ergebnisse zeigen, dass das System eine nützliche Rolle spielen kann. Das Team hat veröffentlicht ein Video des resultierenden Fahrverhaltens, das deutlich macht, wie gut die Systeme funktionieren, aber auch, warum ein solches Training nicht auf realen Straßen durchgeführt werden kann – die Autos fahren manchmal auf dem Bürgersteig, auf der gegenüberliegenden Straßenseite, kollidieren mit anderen Autos und so weiter an.

Natürlich kann ein System wie CARLA niemals die Fahrzeit auf realen Straßen ersetzen. Aber es kann ein nützliches und sicheres Testfeld für neue Ideen sein. Und deshalb ist es wichtig.

CARLA ist Open Source und kann für nichtkommerzielle Zwecke kostenlos verwendet werden. Also kann sich jeder daran machen www.carla.org . Wir hoffen, dass CARLA es einer breiten Gemeinschaft ermöglichen wird, sich aktiv an der Erforschung des autonomen Fahrens zu beteiligen, sagt das Team.

Ref: arxiv.org/abs/1711.03938 : CARLA: Ein offener urbaner Fahrsimulator

verbergen