马里兰大学计算机科学家DineshManocha与百度研究和香港大学的一组同事合作，研发了一种如照片般现实的建模模型，用作培训和检验自动驾驶车辆。与当前的游戏引擎或高保真计算机图形和数学图形流量模式系统比起，新的系统获取了更加非常丰富，更加现实的仿真。

Fig.Viewsynthesisresultsandeffectivenessofdepthrefinement他们的系统被称作强化自动驾驶建模(AADS，AugmentedAutonomousDrivingSimulation)，可以使自动驾驶技术在实验室更容易评估，也可以提升路测的安全性。科学家们在2019年3月27日公开发表在《科学机器人》(ScienceRobotics)杂志上的一篇研究论文中叙述了他们的研究方法。

“这项工作代表了一种新的建模范例，我们可以在将它部署到现实汽车上并在高速公路或城市道路上展开测试之前测试自动驾驶技术的可靠性和安全性，”该论文的适当作者之一Manocha回应（Manocha同时供职于计算机科学，电气和计算机工程以及马里兰大学高级计算机研究所）。自动驾驶汽车的一个潜在益处是，它有可能比人类驾驶员更加安全性，因为人类驾驶员更容易迟疑、疲惫和情绪化，作出不会造成错误的要求。但是为了确保安全，自动驾驶汽车必需对驾驶员环境展开评估和反应。

考虑到汽车在道路上有可能遇上各种各样的情况，自动驾驶系统必须在极具挑战的条件下展开数亿英里的试驾，以证明其可靠性。虽然这有可能必须几十年的时间才能在道路上已完成，但通过计算机建模可以较慢、高效、更加安全性地展开可行性评估。

计算机建模可以精确地回应真实世界，并对周围物体的不道德展开建模。目前的建模系统在还原成现实的光环境和呈现出现实的交通流模式或驾驶员不道德这三方面仍不存在严重不足。AADS是一个数据驱动系统，它能更加精确地回应自动驾驶汽车在路上接管到的信号。

自动驾驶汽车依赖感官模块和导航系统模块，感官模块接管和说明现实世界的信息，导航系统模块根据感官模块作出要求，比如改向哪里、否刹车或加快。Fig.Theinputs,processingpipeline,andoutputsofourAADSsystem.在现实世界中，自动驾驶汽车的感官模块一般来说接管来自摄像头和激光雷达传感器的信号，这些传感器用于光脉冲来测量周围的距离。

在目前的模拟器技术中，感官模块接管来自计算机分解的图像和行人、自行车和其他汽车的数学建模的运动模式的借号，只是对现实世界的一种比较坚硬的传达。因为计算机分解的图像模型必需是手工分解的，所以创立图像模型也是一个耗时耗财的事情。AADS系统融合了照片、视频和激光雷达点云(类似于3D形状图形)与行人、自行车和其他汽车的现实轨迹数据。

这些数据可以用来预测其他车辆或行人在路上的驾驶员不道德和未来的方位，以计算出来出更安全性的导航系统路径。Fig.TrafficPredictevaluations“我们用视频和照片来仿真真实世界，”Manocha说道，“但我们也在捕猎现实的不道德和运动模式。人类驾车的方式不更容易被数学模型和物理定律捕捉到。所以，我们从所有能用的视频中萃取了现实轨迹的数据，并用于社会科学方法对驾驶员不道德建模。

这种数据驱动的方法为我们获取了一个更为现实和有益的交通建模模型”。在用于现实的视频图像和激光雷达数据展开建模时，科学家们面对着一个长年的挑战:每一个场景都必需对自动驾驶汽车的运动作出反应，即使这些运动有可能没被最初的摄像头或激光雷达传感器捕捉到。无论照片或视频以什么样的角度或视角被捕捉到，都必需用于预测方法展开图形或仿真。

这就是为什么仿真技术总是如此相当严重地依赖计算机分解的图形，也相当严重依赖基于物理的预测技术。为了解决这一挑战，研究人员研发了一种技术，可以将现实街道场景的各个部分分离出来，并将它们呈现出为分开的元素，这些元素可以被新的制备，以创立大量现实的照片驾驶员场景。

Fig.Novelviewsynthesispipeline通过AADS，车辆和行人可以从一个环境中旋转到另一个环境中。可以根据有所不同的交通等级修复道路。

每个场景的多个视角在车道转换和弯道期间获取更加现实的图像。此外，与其他视频仿真技术比起，先进设备的图像处理技术可实现光滑过渡性并增加杂讯。

图像处理技术还用作萃取轨迹，从而仿真驾驶员不道德。“因为我们用于的是真实世界的视频和真实世界的动作，我们的感官模块比以往的方法享有更加精确的信息，”Manocha说道。

“然后，由于建模模型的真实感，我们可以更佳地评估自律驾驶员系统的导航系统策略”。Fig.ComparisonoftrafficsynthesisManocha说道，通过公开发表这项工作，科学家们期望一些研发自动驾驶汽车的公司可以使用某种程度的数据驱动方法来改良他们自己的建模模型，用作测试和评估自动驾驶系统。参考文献：[1]W.Li,C.W.Pan,R.Zhang,J.P.Ren,Y.X.Ma,J.Fang,F.L.Yan,Q.C.Geng,X.Y.Huang,H.J.Gong,W.W.Xu,G.P.Wang,D.Manocha,R.G.Yang.AADS:Augmentedautonomousdrivingsimulationusingdata-drivenalgorithms.ScienceRobotics,2019.。

本文来源：优德88-www.91baozi.com