想要獲得安全可靠的道路行駛能力，自動駕駛汽車必須對其周圍環(huán)境有全景式的了解。它不但需要認(rèn)出周邊呼嘯而過的轎車、卡車、摩托車，同時還要發(fā)現(xiàn)慢吞吞的自行車和行人。

此外，交通信號燈、路牌和路上的障礙物它們也不能放過。不過，這還不是最考驗自動駕駛汽車的事物，讓各家公司花費大量時間和資源搜集數(shù)據(jù)的各種天氣和光照條件才是自動駕駛能否真正上路的最高門檻。畢竟如果不能窮盡每一種可能性，誰也不敢保證上路的自動駕駛汽車會不會惹出什么亂子。

一般來說，想讓自動駕駛汽車實現(xiàn)眼觀六路耳聽八方，研究人員必須對大量數(shù)據(jù)進(jìn)行標(biāo)記，而這些標(biāo)記過的數(shù)據(jù)將成為機(jī)器學(xué)習(xí)算法的養(yǎng)料。

對數(shù)據(jù)做標(biāo)記可不是件輕松的工作，每家廠商都會派成百上千的工作人員處理車輛拍攝的照片或視頻，他們需要用方框圈出旁邊的車輛、路標(biāo)等物體，同時還得給它們貼上相應(yīng)的標(biāo)簽。令工作人員絕望的是，這個標(biāo)記數(shù)據(jù)的過程需要一遍又一遍的重復(fù)。

密歇根大學(xué)的研究人員想出了更好的解決方案：在模擬中完成整個過程。對于自己的想法，研究人員也是底氣十足，因為他們已經(jīng)證明這種方法比人工標(biāo)記真實數(shù)據(jù)要高效的多。

不過，機(jī)器人專家們并不看好模擬的方式，因為模擬事實上是簡化版的現(xiàn)實世界，在模擬中取得成功并不代表在現(xiàn)實世界中能實現(xiàn)百分之百的安全。

密歇根大學(xué)的研究人員并不服輸，在上周新加坡舉辦的 IEEE 機(jī)器人與自動化國際會議上，他們就找來了游戲大作《俠盜獵車手5》，試圖通過該游戲證明虛擬世界也能訓(xùn)練深度學(xué)習(xí)系統(tǒng)識別物體。這種方法靠譜嗎？且聽雷鋒網(wǎng)為您詳細(xì)分析：

《俠盜獵車手5》中一系列用于目標(biāo)識別的圖片

通過模擬的方式來完成訓(xùn)練其實可以一舉三得：

首先，速度可以得到大幅提升，而且與真車在路上采集數(shù)據(jù)相比費用要少得多。

其次，在模擬中數(shù)據(jù)標(biāo)記就變成現(xiàn)成的，畢竟游戲程序?qū)Ξ嬅嬷谐霈F(xiàn)的物體屬性非常清楚。

最后，在模擬環(huán)境中你可以設(shè)定任何的刁鉆路況或天氣情況，而在加州路上做測試，你會發(fā)現(xiàn)這里總是陽光明媚，根本沒什么挑戰(zhàn)。

此外，在模擬環(huán)境中你甚至可以為同一路段設(shè)定不同的天氣或路況，實現(xiàn)事半功倍的效果。

在同一路段模擬不同的天氣情況

為了檢測虛擬世界中的訓(xùn)練效果，研究人員在游戲中生成了 3 個模擬數(shù)據(jù)集，它分別包含 1 萬、5 萬和20 萬張不同的游戲圖片。

隨后，深度學(xué)習(xí)目標(biāo)探測系統(tǒng)開始以這些數(shù)據(jù)集為基礎(chǔ)進(jìn)行訓(xùn)練。當(dāng)然，研究人員還準(zhǔn)備了另一個實車拍攝的數(shù)據(jù)集，名為 Cityscapes 的數(shù)據(jù)集包含有 3000 張經(jīng)過手動標(biāo)注的圖片，同樣的深度學(xué)習(xí)系統(tǒng)也會以該數(shù)據(jù)集為基礎(chǔ)進(jìn)行訓(xùn)練。

訓(xùn)練完成后，兩套系統(tǒng)需要對名為 KITTI（也是實車實拍，但與 Cityscapes 不同）的數(shù)據(jù)集中 7500 張圖片進(jìn)行目標(biāo)識別測試。

結(jié)果顯示，在模擬環(huán)境中訓(xùn)練出來的深度神經(jīng)網(wǎng)絡(luò)識別效果更好：用 5 萬和 20 萬張圖片訓(xùn)練出來的深度神經(jīng)網(wǎng)絡(luò)表現(xiàn)要好過 3000 張的數(shù)據(jù)集。研究人員解釋稱，單張的模擬圖片價值并不高，但如果它們的數(shù)量足夠多，效果就會非常棒。

確實，單張模擬圖片的訓(xùn)練效果不如單張實拍圖片，畢竟現(xiàn)實世界中的光源、顏色和紋理信息變化是電腦模擬無法比擬的，因此模擬圖片只能以量取勝。

不過，只要有足夠的計算能力，我們就能生成超多的模擬圖片，最重要的是這些圖片不再需要人為標(biāo)記了。

模擬圖片（上）中的誤報明顯更少

除了以上優(yōu)勢，在虛擬世界中訓(xùn)練出來的神經(jīng)網(wǎng)絡(luò)在識別較遠(yuǎn)和模糊車輛的能力上也更勝一籌。同時，這種方式也能減少誤報。也許這種優(yōu)勢也是拜模擬圖片巨大的數(shù)量所賜，它包含的數(shù)據(jù)更寬泛，能為訓(xùn)練提供更加多樣化的輸入。

當(dāng)然，用模擬圖片訓(xùn)練神經(jīng)網(wǎng)絡(luò)也有其內(nèi)在缺陷：首先，虛擬世界不同于現(xiàn)實世界，一些難以預(yù)測的情況它模擬不出來，而這些情況是自動駕駛最大的安全殺手。

不過，雖然我們無法靠《俠盜獵車手5》來解決所有問題，但密歇根大學(xué)的研究人員確實給我們指了條明路，它能大大降低各家廠商的成本，提升訓(xùn)練效率。

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