此前報導過好多自動駕馭仿真模擬軟件，例如Carla，Prescan，carsim，Panosim……它們一同的特色是須要手工建模，“這類概況”速度過于緩慢，平常須要消費數(shù)周時間來制作幾個都市街區(qū)。最近全家初創(chuàng)企業(yè)Parallel Domain，聲稱其計算程序能夠在不到一分鐘的時間內(nèi)生成都市街區(qū)。

Parallel Domain是自動機動車模擬3D環(huán)境生成軟件的供給商，他的創(chuàng)始人是前蘋果和皮克斯員工凱文麥克納馬拉。在蘋果企業(yè)事業(yè)時，麥克納馬拉就參加了一種自動駕馭名目，在那邊他探尋了虛擬環(huán)境的自動內(nèi)容生成，他那時的想法是運用這類技藝讓自動駕馭體系獲得訓練，測試，認證和開發(fā)人力智能。后來，他創(chuàng)辦了Parallel Domain。

“咱們所做的是運用計算機圖形學來提速平安自動駕馭機動車的開發(fā)，”麥克納馬拉說，“這種想法是，在模擬中，你可行平安地犯錯，接下來從錯誤中學習。在虛擬全球中，你不會在這種模擬中傷害全部人。”

Parallel Domain平臺運用真正全球地圖數(shù)據(jù)，程序增添算法和生成模子，可行教會車子如何駕馭并保證車子的軟件正好學習。虛擬全球的全部素材皆是可調(diào)度和可編程的，比如車道數(shù)量，地形類別，山脈位子，公路曲率等等。

假如咱們須要在模擬器中駕馭數(shù)十億英里，咱們?nèi)绾螛?gòu)建這點英里？

當前的機器學習算法必需通過大批數(shù)據(jù)集的訓練和測試�？墒牵�真正全球的測試和數(shù)據(jù)收集須要真正的機動車，實質(zhì)的驅(qū)動程序和實時的交通情景。依據(jù)蘭德企業(yè)的說法，假如要聲明自動駕馭車子的平安，須要平安駕馭110億英里， 在現(xiàn)實全球中駕馭這點路程數(shù)是一種棘手的難題。是以好多人料到用模擬駕馭數(shù)據(jù)，可是日前用現(xiàn)存的手工方法建設幾個高保真都市街區(qū)須要消費數(shù)周甚而數(shù)月時間，況且平常須要大批的循環(huán)性手工勞動。

蘭德駕馭平安匯報蘭德駕馭平安匯報

Parallel Domain開創(chuàng)性的內(nèi)容生成技藝提供了可配置，具體且可大范圍擴展的仿真環(huán)境。該軟件會自動生成虛擬路程和自動駕馭機動車所需的虛擬情景，以便在自動駕馭機動車到達現(xiàn)實全球此前就可以得到學習。自動駕馭車子企業(yè)正好運用該軟件消除大范圍仿真中最難題的阻礙：建立機動車可能碰到的各式繁雜環(huán)境。

為何自動生成虛擬全球？

用Parallel Domain有一無二的方法自動生成的這點模擬全球有好多優(yōu)勢。有了這項技藝，虛擬全球就變成了一種龐大的參數(shù)體積，可行由工程師，幾行代碼甚而人力智能本人隨便調(diào)度：

為可能的全球做好準備，不但僅是今日的全球：增添一條自駕車道，垃圾擴散開，提早時間讓一棵樹長在路邊，或許讓瀝青路面開裂或許十足裂開，接下來用新瀝青從新鋪路。

剖析環(huán)境單個要素的作用：在完美的可循環(huán)性和參數(shù)化的全球下，經(jīng)過改變此中一種素材，比如車道數(shù)量，自駕車車道的寬度或公路漆的情況等，發(fā)生相同確切情景的屢次運轉(zhuǎn)，來剖析單個要素對全體的作用。

對抗網(wǎng)站：應用參數(shù)體積可行生成給定的虛擬全球，可行應用生成式對抗技藝，給自動駕馭車子生產(chǎn)難題的環(huán)境，應用該車子的特定弱點發(fā)展訓練。

隨機域：用一組參數(shù)來生成全球，干脆應用隨機域生成不同要求下的大批數(shù)據(jù)來幫助ML算法從虛擬全球轉(zhuǎn)嫁到現(xiàn)實全球中學習。

單元測試：到日前為止，不可能大范圍地發(fā)生完整的單元測試延續(xù)體。比如，有個3叉路街口，可行以全部方位映入，1度遞增或10度或0.1度悉數(shù)可行嘗試。很快就會有數(shù)百萬個組合造成一種延續(xù)的測試體積。

模擬數(shù)據(jù)的優(yōu)勢

在好多方面，模擬（合成數(shù)據(jù)）是真正駕馭（真正數(shù)據(jù)）的理想根基，他們組成了一種很沒有問題組合。有時咱們會問“合成數(shù)據(jù)甚么時刻會像真正全球的數(shù)據(jù)一樣好？”本來合成數(shù)據(jù)與真正數(shù)據(jù)造成互補，聯(lián)合兩者建立更平安、可靠的機動車。模擬數(shù)據(jù)在某些范疇有相當大的優(yōu)勢：真正駕馭有風險/模擬駕馭是十足平安的；真實的駕馭很慢（一臺車子每天只能駕馭好多英里）/模擬駕馭可行很快，可能要快幾千倍；真實的駕馭每英里消費很不便宜（車子修理，石油，駕駛員）/模擬駕馭是本錢的一小部分（一朝構(gòu)建了模擬器和虛擬全球）；真實的駕馭須要治理一種真實的機動車/模擬須要一輛計算機；真實的駕馭平常差不多沒有聊和沒有消息/模擬可行在充滿挑戰(zhàn)的概況下，讓車子學習更多；真正全球的數(shù)據(jù)須要對結(jié)果數(shù)據(jù)集發(fā)展簡單出錯的注釋，這是訓練ML算法/模擬每一次都提供完整的注釋數(shù)據(jù)。

Parallel Domain企業(yè)日前已籌集了250萬美元的種子資金，將提供可行為自動駕馭車子虛擬測試提供技藝扶持。仿真團隊可行運用Parallel Domain的軟件迅速構(gòu)建一種新的虛擬全球并料理此中的全部變量，從車道數(shù)量到瀝青情況等。NIO成為了第全家消費者。這類模擬平臺的潛在要求不限于自動駕馭車子。全部機器運用計算機視線和機器學習來改進決策自助性，都須要高保真的虛擬全球來測試和聲明平安性。Parallel Domain這類自動生成環(huán)境的技藝，迅速生成都市街區(qū)模子，可行消除企業(yè)在大范圍模擬方面的阻礙。