麻省理工学院现在可以在逼真的模拟器中训练自动驾驶汽车

模拟器在驾驶员训练领域的应用已经深入人心，多年以来，它们不断拓展其应用范围，从训练人类驾驶员到飞行员、宇航员乃至自动驾驶汽车的训练。如今，麻省理工学院的研究人员打破常规，推出了一款最具潜力的新系统。

这款名为虚拟图像自主融合与转换（VISTA）的仿真系统，宛如一道曙光照亮了自动驾驶的未来。它不仅摒弃了让自动驾驶汽车在真实道路上冒险试水的风险，还赋予它们一个全新的训练场所——专为其打造的虚拟世界，其中场景无数且变化无穷。

想象一下，那些极端情况下的驾驶场景，比如突如其来的危险或是罕见的失误场景，对于人类驾驶员来说很难遇到。在这些场景中获取大量的数据对于自动驾驶汽车的训练而言几乎是一项不可能的任务。在VISTA的虚拟环境中，这些极端场景可以毫无风险地模拟和重现，为自动驾驶控制器提供独特的体验机会。

当无人驾驶汽车的控制器在模拟环境中启动运行时，它们仅需一小部分真实世界的人工驾驶数据集即可开始训练之旅。管理员只需指导控制器如何从A安全到达B，并在行驶过程中不断获得奖励。一旦遇到错误或挑战，系统将通过强化学习引导自动驾驶控制器做出更明智的选择。随着时间的推移，这些控制器可以在越来越长的时间内稳定行驶，从容应对各种挑战。

麻省理工学院计算机科学与人工智能实验室（CSAIL）的杰出博士生亚历山大·阿米尼对此深有感触：“在现实道路上收集这些极端情况的数据几乎是一项不可能完成的任务。”他进一步强调：“但在我们的模拟环境中，控制系统可以亲身体验这些场景，自我学习如何应对突发状况，并在部署到真实世界的车辆时保持稳定性能。”

与传统的模拟引擎相比，VISTA模拟器有着显著的优势。它不仅仅是一个简单的模拟工具，而是一个数据驱动的系统，能够从真实数据中合成新元素。借助卷积神经网络（一种常见的图像处理AI技术），VISTA能够绘制逼真的3D场景，并创建相应的环境，让自治控制器能够迅速响应。

在这个虚拟世界中，其他移动物体如汽车和行人也是通过驱动VISTA的神经网络来呈现的。与传统的训练模型不同，这些移动物体并非简单地遵循人类定义的规则或模仿人类驾驶员的行为。阿米尼解释道：“我们为这些控制器提供一个自由的环境，他们可以自由地做出决策。只要他们能保持安全行驶，避免碰撞并保持在车道内。”这一系统的有效性显而易见：在VISTA上训练的控制器，经过数千公里的虚拟“驾驶”后，可以安全地应用于实际的无人驾驶汽车中，即使在从未见过的街道上也能自如行驶，甚至在面临几乎要发生碰撞的紧急情况下也能成功应对。

接下来的研究将引入更多的复杂性因素，如恶劣的天气或场景中其他元素的不稳定行为等。这一全新的仿真训练系统已经在IEEE机器人与自动化快报上发表概述，并将在即将到来的国际机器人与自动化大会（ICRA）上进行更深入的研究和展示。我们有理由相信，这一创新性的仿真训练系统将为自动驾驶汽车的未来发展开辟全新的道路。随着技术的不断进步和研究的深入，VISTA模拟器将引领自动驾驶进入一个崭新的时代。