Η Microsoft επεκτείνει το εκπαιδευτικό περιβάλλον VR για drones, ώστε να περιλαμβάνει αυτόνομα αυτοκίνητα

Η εικονική πραγματικότητα δεν είναι καλή μόνο για την εκπαίδευση των ανθρώπων. Λόγω της αυξημένης πιστότητας των περιβαλλόντων gaming, είναι πλέον αρκετά καλά για να εκπαιδεύουν ακόμη και ρομπότ.

Γράψαμε τον Φεβρουάριο για μια νέα πλατφόρμα που ονομάζεται AirSim από τη Microsoft Research έχει σχεδιαστεί για να βοηθά τους προγραμματιστές drone να κατασκευάζουν εύκολα αυτόνομα και ρομποτικά συστήματα. Η νέα τους πλατφόρμα Aerial Informatics and Robotics παρείχε ρεαλιστική προσομοίωση και εργαλεία σε σχεδιαστές και προγραμματιστές για να παράγουν απρόσκοπτα τις μεγάλες ποσότητες δεδομένων εκπαίδευσης που χρειάζονται. Χρησιμοποιεί τις προόδους στους υπολογισμούς και τα γραφικά, ενσωματώνοντας τη φυσική και την αντίληψη, για να δημιουργήσει ακριβείς, πραγματικές προσομοιώσεις.

Τώρα η Microsoft έχει επεκτείνει το εργαλείο για να βοηθήσει και στην εκπαίδευση αυτόνομων υπολογιστών αυτόνομης οδήγησης.

Η νέα έκδοση του AirSim περιλαμβάνει προσομοιώσεις αυτοκινήτου, νέα περιβάλλοντα, API που διευκολύνουν τον προγραμματισμό και έτοιμα για εκτέλεση σενάρια για να ξεκινήσετε την έρευνά σας. Η προσομοίωση του περιβάλλοντος που μοιάζει με GTA σημαίνει λιγότερη ανάγκη για τη δημιουργία ακριβών πλατφορμών υλικού, παρέχει μεγάλες ποσότητες δεδομένων και δυνατότητα γρήγορης δοκιμής και συγκριτικής αξιολόγησης των αποτελεσμάτων και ανοίγει την έρευνα σε ένα ευρύτερο φάσμα προγραμματιστών και ερευνητών με λιγότερους πόρους.

Το AirSim συνοδεύεται από ένα λεπτομερές τρισδιάστατο αστικό περιβάλλον που περιλαμβάνει μια ποικιλία διαφορετικών συνθηκών, όπως φανάρια, πάρκα, λίμνες και εργοτάξια. Οι χρήστες μπορούν να δοκιμάσουν τα συστήματά τους σε διάφορους τύπους γειτονιών, συμπεριλαμβανομένων των κεντρικών, ημιαστικών, βλάστησης και βιομηχανικών περιβαλλόντων. Η προσομοίωση περιέχει περισσότερα από 3 χιλιόμετρα οδηγών δρόμων που εκτείνονται σε περισσότερα από 12 τετράγωνα πόλεων.

Το AirSim έχει αναπτυχθεί ως πρόσθετο για το Unreal Engine, ένα δημοφιλές εργαλείο για την ανάπτυξη παιχνιδιών. Αυτό σημαίνει ότι η προσομοίωση αυτοκινήτου είναι αποσυνδεδεμένη από το περιβάλλον στο οποίο τρέχει. Μπορείτε να δημιουργήσετε ένα περιβάλλον για τις συγκεκριμένες ανάγκες σας, όπως έναν δρόμο πόλης ή επαρχίας ή να επιλέξετε από μια ποικιλία περιβαλλόντων που είναι διαθέσιμα στο διαδίκτυο και, στη συνέχεια, απλώς να βάλετε το AirSim πρόσθετο για να δοκιμάσετε τους αλγόριθμους αυτοοδήγησης σας σε αυτό το περιβάλλον. Η επεκτασιμότητα του AirSim επιτρέπει επίσης σε ερευνητές και προγραμματιστές να ενσωματώνουν νέους αισθητήρες, οχήματα ή ακόμα και να χρησιμοποιούν διαφορετικούς κινητήρες φυσικής.

Το AirSim παρέχει API που μπορούν να χρησιμοποιηθούν σε μια μεγάλη ποικιλία γλωσσών, συμπεριλαμβανομένων των C++ και Python. Αυτό καθιστά εύκολη τη χρήση του AirSim με διάφορες αλυσίδες εργαλείων μηχανικής εκμάθησης. Για παράδειγμα, μπορείτε να χρησιμοποιήσετε το Microsoft Cognitive Toolkit (CNTK) με το AirSim για να κάνετε εκμάθηση βαθιάς ενίσχυσης.

Η πιο πρόσφατη έκδοση είναι τώρα διαθέσιμη στο GitHub ως προσφορά ανοιχτού κώδικα, πολλαπλών πλατφορμών. Η Microsoft έχει επίσης διαθέσει το AirSim ως μεταγλωττισμένη δυαδική έκδοση, πράγμα που σημαίνει ότι τώρα μπορείτε να κάνετε λήψη και να αρχίσετε να καλείτε τα Python API της για να ελέγξετε το όχημα μέσα σε λίγα λεπτά.

Η ενημερωμένη έκδοση του AirSim περιλαμβάνει επίσης πολλά άλλα χαρακτηριστικά και βελτιώσεις, συμπεριλαμβανομένων πρόσθετων εργαλείων για τη δοκιμή αερομεταφερόμενων οχημάτων. Η Microsoft διευκόλυνε την προσομοίωση ιπτάμενων drones με την προσθήκη ενός ενσωματωμένου ελεγκτή πτήσης, που ονομάζεται simple_flight, που απλοποιεί τη διαδικασία εγκατάστασης. Αυτό επιτρέπει τον γρήγορο πειραματισμό με αλγόριθμους ελέγχου και εκτίμησης κατάστασης χωρίς να απαιτείται ακριβός εντοπισμός σφαλμάτων και ανάπτυξη στον ενσωματωμένο κόσμο.

Σε μελλοντικές εκδόσεις, η Microsoft ελπίζει να προσθέσει νέους αισθητήρες, καλύτερη φυσική του οχήματος, μοντελοποίηση καιρού και ακόμη πιο λεπτομερή ρεαλιστικά περιβάλλοντα.

Διαβάστε περισσότερα για το έργο στο Github εδώ.