Microsoft utvider VR-basert treningsmiljø for droner til å inkludere autonome biler

Virtual reality er ikke bare bra for å trene mennesker. På grunn av den økte troverdigheten til spillmiljøer, er de nå gode nok til å trene roboter.

Vi skrev i februar om en ny plattform kalt AirSim av Microsoft Research designet for å hjelpe droneutviklere med å enkelt bygge autonome og robotsystemer. Deres nye Aerial Informatics and Robotics-plattform ga realistisk simulering og verktøy for designere og utviklere for sømløst å generere de store mengder treningsdata de trenger. Den benytter seg av fremskritt innen beregning og grafikk, som inkluderer fysikk og persepsjon, for å lage nøyaktige simuleringer i den virkelige verden.

Nå har Microsoft utvidet verktøyet til også å hjelpe til med opplæring av autonome selvkjørende datamaskiner.

Den nye versjonen av AirSim inkluderer bilsimuleringer, nye miljøer, API-er for å lette programmeringen og klare til å kjøre skript for å sette i gang forskningen din. Simulering av det GTA-lignende miljøet betyr mindre behov for å bygge dyre maskinvareplattformer, leverer store mengder data og muligheten til raskt å teste og benchmarke resultater og åpner forskningen for et bredere spekter av utviklere og forskere med færre ressurser.

AirSim kommer med et detaljert 3D-bymiljø som inkluderer en rekke forskjellige forhold, inkludert trafikklys, parker, innsjøer og byggeplasser. Brukere kan teste systemene sine i flere typer nabolag, inkludert sentrum, semi-urbane, vegetasjon og industrimiljøer. Simuleringen inneholder mer enn 12 kilometer med kjørbare veier som strekker seg over mer enn 20 byblokker.

AirSim er utviklet som en plugin for Unreal Engine, et populært verktøy for spillutvikling. Dette betyr at bilsimuleringen er frikoblet fra miljøet den kjører i. Du kan lage et miljø for dine spesifikke behov, for eksempel en by eller bygdevei, eller velge fra en rekke miljøer tilgjengelig på nettet, og så bare slippe inn AirSim plugin for å teste dine selvkjørende algoritmer i det miljøet. AirSim-utvidbarhet lar også forskere og utviklere inkorporere nye sensorer, kjøretøy eller til og med bruke forskjellige fysikkmotorer.

AirSim tilbyr APIer som kan brukes på en lang rekke språk, inkludert C++ og Python. Dette gjør det enkelt å bruke AirSim med ulike maskinlæringsverktøykjeder. For eksempel kan du bruke Microsoft Cognitive Toolkit (CNTK) med AirSim for å gjøre dyp forsterkende læring.

Den nyeste versjonen er nå tilgjengelig på GitHub som et åpen kildekode-tilbud på tvers av plattformer. Microsoft har også gjort AirSim tilgjengelig som kompilert binær utgivelse, noe som betyr at du nå kan laste ned og begynne å ringe Python API-ene for å kontrollere kjøretøyet på bare minutter.

Den oppdaterte versjonen av AirSim inkluderer også mange andre funksjoner og forbedringer, inkludert tilleggsverktøy for å teste luftbårne kjøretøy. Microsoft gjorde det enklere for folk å simulere flygende droner ved å legge til en innebygd flykontroller, kalt simple_flight, som forenkler oppsettprosessen. Dette tillater rask eksperimentering med kontroll- og tilstandsestimeringsalgoritmer uten å kreve kostbar feilsøking og utvikling i den innebygde verden.

I fremtidige utgivelser håper Microsoft å legge til nye sensorer, bedre kjøretøyfysikk, værmodellering og enda mer detaljerte realistiske miljøer.

Les mer om prosjektet på Github her.