Project AirSim træner autonome fly uden at kræve dyb maskinlæring, kodningsekspertise

Ikon for læsetid 3 min. Læs


Læsere hjælper med at understøtte MSpoweruser. Vi får muligvis en kommission, hvis du køber via vores links. Værktøjstip-ikon

Læs vores oplysningsside for at finde ud af, hvordan du kan hjælpe MSPoweruser med at opretholde redaktionen Læs mere

Project AirSim-simuleringsskærmbilleder
De realistiske miljøer i Project AirSim vil give AIR-modeller mulighed for at opleve millioner af flyvninger på få sekunder og lære at reagere på forskellige variabler i den fysiske verden, herunder regn, slud, sne, stærk vind, høje temperaturer, en overskyet dag og mere.

Microsoft annoncerede mandag den 18. juli på Farnborough International Airshow lanceringen af Projekt AirSim, en platform, der giver high-fidelity simulering til at hjælpe med at bygge, træne og teste autonome fly. Den kører på Microsoft Azure og er i øjeblikket tilgængelig i en begrænset forhåndsvisning.

"Autonome systemer vil transformere mange industrier og muliggøre mange scenarier fra luften, fra den sidste mile levering af varer i overbelastede byer til inspektion af nedbrudte elledninger fra 1,000 miles væk," sagde Gurdeep Pall, Microsofts koncerndirektør for Business Incubations in Technology & Forskning. "Men først skal vi sikkert træne disse systemer i en realistisk, virtualiseret verden. Project AirSim er et kritisk værktøj, der lader os bygge bro mellem bitverdenen og atomernes verden, og det viser kraften i det industrielle metavers – de virtuelle verdener, hvor virksomheder vil bygge, teste og finpudse løsninger og derefter bringe dem ind i den virkelige verden ."

Ifølge Microsoft vil de realistiske miljøer i Project AirSim give AIR-modeller mulighed for at opleve millioner af flyvninger på få sekunder og lære at reagere på forskellige variabler i den fysiske verden, herunder regn, slud, sne, stærk vind, høje temperaturer, en overskyet dag , og mere. Ydermere giver det adgang til forudtrænede AI-byggeklodser, der tillader detektering og undgåelse af blokeringer og udfører landinger med præcision. Project AirSim-kunder kan også få adgang til forskellige lokationer som byer og generiske rum via data fra Bing Maps og andre udbydere. De kan endda skabe detaljerede 3D-miljøer ved hjælp af de samme informationsstykker.

"Project AirSim bruger kraften fra Azure til at generere enorme mængder data til at træne AI-modeller om præcis, hvilke handlinger der skal tages i hver fase af flyvningen, fra start til cruising til landing," skriver Microsofts Jake Siegel i et indlæg, der annoncerer lanceringen. "Det vil også tilbyde biblioteker af simulerede 3D-miljøer, der repræsenterer forskellige by- og landskaber samt en række sofistikerede præ-trænede AI-modeller for at hjælpe med at accelerere autonomi i inspektion af luftinfrastruktur, levering på sidste mil og byluftmobilitet."

Det er vigtigt at bemærke, at Project AirSim er anderledes end Microsofts tidligere open source-værktøj AirSim som er ved at blive pensioneret. Det var ekstremt praktisk, men ikke et venligt projekt for mange på grund af de nødvendige kodnings- og maskinlæringsfærdigheder fra Advanced Aerial Mobility (AAM)-kunder. Med dette forvandlede Microsoft værktøjet til en end-to-end platform, hvilket betyder, at der ikke længere er behov for dyb maskinlæringsekspertise, og AI-drevne flytest og træning i simulerede 3D-miljøer vil være meget nemmere for AAM-kunder.

"Alle taler om kunstig intelligens, men meget få virksomheder er i stand til at bygge det i stor skala," sagde Balinder Malhi, ingeniørleder for Project AirSim. "Vi skabte Project AirSim med de nøglefunktioner, som vi mener vil hjælpe med at demokratisere og accelerere luftautonomi - nemlig evnen til nøjagtigt at simulere den virkelige verden, fange og behandle enorme mængder data og kode autonomi uden behov for dyb ekspertise inden for AI."

To virksomheder, der deltog i Project AirSims tidlige adgangsprogram, bruger allerede platformen. North Dakota-baseret Airtonomi bruger det til at træne autonome luftfartøjer, der inspicerer kritisk infrastruktur, mens de er Texas-baserede Bell bruger det til at forbedre sine droners evne til at lande autonomt.