「老司機」自動駕駛汽車，足不出戶邊打遊戲邊學開車

看看自動駕駛汽車AI怎麼通過玩視頻遊戲和瀏覽google街景地圖提升駕駛技術。

自動駕駛汽車正在通過一些不可思議的方式來了解真實的世界——比如瀏覽在線地圖或玩遊戲。

普林斯頓大學的研究人員最近開發了一個計算機視覺和繪圖系統，通過研究Google街景視圖並將場景與開源地圖數據中的信息進行比較，收集整理出有關道路物理屬性的有用信息。這使得自動駕駛汽車可以基於Google地圖捕獲的圖像的來判斷十字路口的位置。

實際上，現有的一些視頻遊戲是非常真實的，甚至科學家們可以直接藉助遊戲讓計算機視覺對現實世界有個大概了解。前不久，Open-air（一個專註於基礎AI研究的非營利組織）的研究人員創造了一種方法，通過遊戲「俠盜獵車手5」來提升駕駛技術。

這種自動駕駛技術訓練的新方法有利於無人車的進一步普及。在今年的拉斯維加斯CES2017上，自動駕駛汽車已經明顯佔據主角，而在底特律北美車展上，自動駕駛展區也是最大的亮點。但並非每家廠商都擁有福特、Google或者Uber那樣的海量行駛數據，自動駕駛技術仍然高高在上。所以一些研究人員提出了創造性的方法來採集數據以及訓練駕駛系統，甚至還有一些人致力於開源自動駕駛技術。

普林斯頓研究人員積極挖掘Google街景和Open Street Map的開源數據。但Google街景圖片中的道路特徵有時會被車輛、路過的行人等遮擋，因此系統必須學會自動識別。研究人員使用150,000張街景全景圖來訓練他們的系統，發現它可以相當準確地辨別道路的特徵，現在系統已經可以引導自動駕駛並且進行基本的導航了。

普林斯頓大學的研究生Ari Seff說，隨著訓練數據集的增長，系統的準確度將會有明顯提升。Ari和普林斯頓的肖健雄教授合作開發了這個系統。而最近肖健雄教授離開了普林斯頓創建了一家名為AutoX.ai的汽車創業公司。

麻省理工學院人工智慧實驗室的教授John Leonard認為手動創建用於自動駕駛的高清3D地圖是繁瑣且昂貴的，如果這個系統可以在基於大型公共資料庫的深度網路中運行，那將是自動駕駛技術的一大進步。

John Leonard教授

最重要的是這一方法可以識別真實環境下自動駕駛汽車所會遇到的各種複雜情況，例如混亂的十字路口。所以，這可以用作自動駕駛車輛中的備用系統，而這還取決於未來的測試情況。

研究人員補充道，他們的系統可以預警哪裡的道路正在施工，而且它也會根據真實的道路交通狀況實時更新交通標誌信息。只是該系統不能識別在地圖中未標註的物體，例如行人或其他新型交通工具，也不能做到精確定位。

去年被Uber收購的卡車公司Otto的工程師Craig Quiter說：「從Google街景視圖學習是一個絕佳的想法，學習的結果雖不足以直接實現汽車的自動駕駛，但輔之以其它機器感知輸入，未來必有大用。」

「俠盜獵車手5給研究人員測試和開發AI提供了一個豐富多彩的世界，」Quiter在Open-air發表的博客中寫道。「遊戲中的島嶼設置幾乎涵蓋了五分之一的洛杉磯，不同場景之間的切換也有助於系統的測試。除此之外，257輛不同的車輛，7種各型的自行車和14種天氣類型，給模擬器提供了探索各種組合的可能。」

Quiter在一封電子郵件中補充說，測試自動駕駛汽車AI將變得更加容易。自動駕駛的技術的開源將有助於研究人員和公司協作推廣自動駕駛。