雷鋒網(wǎng) AI 科技評論按，2018 年 12 月 8 日，首屆 AI Driving Olympics（AI-DO）在加拿大蒙特利爾舉辦，這場比賽是 NeurIPS 2018 八大比賽之一，由 Duckietown Foundation 聯(lián)合 6 所學術機構 ETH Zürich (Switzerland)、Université de Montréal (Canada)、Tsinghua University (China)、National Chiao Tung University (Taiwan)、Toyota Technological Institute at Chicago (USA)、Georgia Tech (USA) 主辦，NuTonomy 和 Amazon 提供贊助。

比賽官網(wǎng)：https://challenges.duckietown.org/v3/ 

本次比賽的主要目的是探討機器學習在交互和系統(tǒng)方面的前沿問題，評估基于深度學習的系統(tǒng)控制移動機器人的實際能力。比賽共設四個賽道，包括指定車道行駛，有動態(tài)遮擋物的車道駕駛，自動導航和全自動移動車隊規(guī)劃四個挑戰(zhàn)。 最終，由申省梅帶領的新加坡松下研究院和新加坡國立大學團隊獲得了 AI-DO 競賽冠軍。

五強名單如下：

• 新加坡松下研究院和新加坡國立大學團隊 WEI GAO

• 加拿大 Jon Plante、Vincent Mai

• 俄羅斯 JetBrains 團隊 Mikita Sazanovich

• SAIC（Samsung AI Center）

• Moscow 團隊 Anton Mashikhin

比賽過程中，參賽團隊先用主辦方提供的模擬器來開發(fā)和測試各自的算法和系統(tǒng)，然后提交到云端平臺，以便評委做統(tǒng)一評測。評委將從中選出分數(shù)最高的 15 支團隊的系統(tǒng)來進行現(xiàn)場表演和測試，通過在 5 輪不同場景下進行評測計分，綜合分數(shù)最高者將獲得冠軍。

在大多數(shù)現(xiàn)實環(huán)境中，不能單靠一個指標決定系統(tǒng)的好壞，尤其是自動駕駛任務。因此，AI-DO 使用了多種績效指標同時進行評測。此次比賽的評分維度包括：行駛距離，生存時間，橫向偏差和重大違規(guī)四個方面。

冠軍團隊使用了隨機模板，并創(chuàng)建了一個調試框架來測試算法。之后，他們?yōu)樗惴▌?chuàng)建了一個 Python 包，并使用隨機模板直接調用。該算法主要包括三部分：感知、預測、控制。當機器人處于攝像機無法觀測到有用信息的急轉彎時，預測起著至關重要的作用。 

據(jù)冠軍團隊對雷鋒網(wǎng)介紹，比賽中的一個挑戰(zhàn)是，模擬情況常常會與實際運行的環(huán)境不一樣，在模擬器上可以高性能工作的算法或模型，在實際環(huán)境下的性能往往下降很大，或速度太慢無法實時運行。這時候，如何建立一個模擬實測不同環(huán)境的較準體系，以減少算法和視覺識別在不同環(huán)境下的差距，是一個很重要的策略。

比賽中，另一個極具挑戰(zhàn)的地方在于：如果想要利用 AI 模型進行物體識別追蹤、場景分割分類、預測和控制，想要完成多重任務并且實時操作，就要進行速度優(yōu)化，對性能與速度進行綜合考慮。

申省梅對雷鋒網(wǎng)表示，DAPAR GRAND 挑戰(zhàn)賽促進了自動駕駛技術的發(fā)展和人形機器人的開拓，希望 AI-DO 這樣一個開放式的比賽開發(fā)平臺，能利用人工智能、深度學習、增強學習，為交互機器人以及交互自動駕駛帶來重大突破。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。