开源模拟器使无人驾驶汽车研发 民主化

在不久的将来，自动驾驶汽车在我们的街道上行驶的现实不再是问题。他们改善生活，减少事故和交通拥堵的潜力是显而易见的。但是，尽管数十亿美元和无数人年的精力已经投入到了迅速发展的行业中，但我们仍然对前景充满信心还有一些路要走，需要进行更多的研究和验证。

输入CARLA，这是一个由虚幻引擎提供支持的免费，开放源代码模拟器，从第一天开始设计该模拟器即可支持自动驾驶系统的开发，培训和验证。

开源模拟器的诞生

CARLA的最初灵感来自研究科学家GermánRos（现为CARLA团队负责人）和巴塞罗那计算机视觉中心的Antonio M.López教授的早期工作。自2013年以来，罗斯一直从事与自动驾驶汽车相关的项目，而洛佩兹在自动驾驶系统领域拥有数十年的经验。

在2015年，罗斯在巴塞罗那大学完成博士学位时，在洛佩斯（López）的指导下，开始从事 SYNTHIA的研究。，自动驾驶的环境。自2016年首次发布以来，SYNTHIA在研究界已广为人知，尤其是在与感知有关的项目中。但是，由于与SYNTHIA所基于的实时引擎相关的许可限制，原始团队无法自由分发项目或提供对源代码的访问。英特尔高级首席研究员兼智能系统实验室主任Vladlen Koltun与罗斯和洛佩兹接触时，

在拉斯维加斯举行的CVPR（计算机视觉和模式识别会议）上介绍Synthia时。Koltun透露他钦佩团队的工作，但希望看到可以向所有人公开提供的类似内容。罗斯和洛佩斯（Ros andLópez）完全同意，CARLA项目诞生了，英特尔是主要赞助商。

自由发行CARLA的愿望是新团队选择Unreal Engine的关键因素，后者也是免费的，并且具有完整的源代码访问权限。罗斯说：“我们真的很想与人们分享它。” “我们希望人们能够修改所有内容。因此，我们的想法是拥有完全开放的内容，并可以访问引擎的所有源代码，平台的源代码以及所有内容。我们真的相信，完全开放的内容对社区有所帮助，因为它使他们能够适应不同的用例和场景。”

他们从头开始，建立了一个新的模拟器，并从SYNTHIA汲取了灵感和教训。此时，罗斯的日常工作是在丰田研究所（Toyota Research Institute），在那里他正在使用不同的工具进行仿真项目。他从这项研究中学到的经验教训也影响了CARLA。

由于丰田公司对开源计划的支持，罗斯在一天之内就能从事CARLA的工作。罗斯说：“他们对此感到满意，因为每个人都从这次经验中学到了东西。” “如果该工具不起作用，我们将了解原因，如果该工具真正起作用，我们将使用它。所以这是一个双赢的局面。”

CARLA于2017年在机器人学习大会（CoRL）上首次正式发布。它受到了社区的高度欢迎，随着对自动驾驶日益增长的兴趣，社区正在迅速发展。如今，CARLA拥有一支由全球约25名成员组成的专门开发团队，他们继续每两三个月发布新版本，并拥有超过1600名活跃用户，包括学术界和行业界。罗斯声称，几乎每所目前正在研究自动驾驶的大学都以某种方式使用CARLA，实际上，所有大公司足以拥有一个研发部门。一些公司甚至甚至将CARLA用作主要的模拟平台，尽管并非所有人都对此持开放态度，宁愿将其作为“商业秘密”。

使无人驾驶汽车研发民主化

从CARLA的开发开始，团队就了解了开源模型在帮助其使自动驾驶汽车民主化方面的重要性。

罗斯说：“让自动驾驶的进步仅仅依靠财大气粗的大公司是不够的。” “如果我们真的想加快和加速自动驾驶，我们还需要学者和小公司参与。我们需要自动驾驶-我们认为这很重要，它将挽救生命，将使我们的生活变得更好-那么，为什么不尝试尽快实现这一目标呢？为此，我们需要社区的合作。

“ CARLA的主要目标之一是弥合这一差距，以便我们使这一种族的一部分民主化，这样，即使是在一个小国家的一所小型大学中间的一个小团队，也可以参与最先进的自主研发。驾驶，即使他们无法访问大量的车辆或大量的数据。所有人共享该模拟器有助于将新算法和解决方案组合在一起。”

CARLA的第二个目标是给那些没有时间或预算，或者找不到可用的人才来组建一支配备齐全的模拟团队的人员，使他们能够在现有平台上进行构建，而不是从头开始。

罗斯说：“也许您不应该专注于创建自己的模拟团队。” “如果您可以使用已经足够好的工具，并根据需要进行扩展，而不必与二十名工程师一起组成自己的仿真团队，也许您可​​以选择CARLA并在上面进行工作，只雇用一两个人。”

最后，团队希望CARLA成为通用语言。Ros说：“好的，您可以拥有自己的内部模拟器，可以拥有非常复杂的工具，这很好。” “在某些时候，您将需要与竞争对手分享，您将需要与立法者分享结果。您为什么不为此使用开放源代码工具？它可以说出所有需要说的标准，并允许您以透明的方式将数据发送给社区，以便他们可以了解其当前状态？

“这就是为什么我们决定以开放源代码格式提供CARLA的原因，您可以从资产，代码到所有内容，并随心所欲地做任何事情，包括商业用途。无论您想要什么，您都可以自由服用CARLA，并尽一切可能。”

解决验证和验证的需求

尽管自动驾驶社区既健康又活跃，但其成员离获得所有答案都还有很长的路要走，这就是CARLA的用武之地。

“目前的领域非常混乱，”罗斯说。“ 2016年，每个人都认为自动驾驶将在2019年解决，他们唯一要做的就是模拟万亿英里。然后人们开始考虑诸如验证和验证之类的事情。而且我认为在某个时候他们意识到他们离生产还不算太近，因此仿真对于研发，加快研发周期测试，验证思想和快速开发算法变得更加有用。
[图片上传失败...(image-8391e1-1607764942944)]

“我认为人们已经意识到，对于全栈验证和确认，这要复杂一些。也许他们还没有真正准备好运行数万亿英里，也许那在当时还没有多大意义。Waymo和Uber等几家公司都有能力进行这种全栈验证。但是其余的OEM和三级厂商仍在尝试确定用于此目的的工具的正确组合。”

验证由NHTSA（国家公路交通安全管理局）和美国交通运输部等立法机构管理。但是，即使这些机构也需要帮助来确定正确的工具和度量标准，以有效，安全地完成此任务。CARLA团队一直在与他们交谈。

罗斯说：“通过CARLA，我们正在努力帮助他们了解并发现如何提出这个定义。” “这是一个有趣的时刻，但也有些混乱：问题仍然存在，人们如何真正使用此工具来验证其堆栈。我们很高兴到目前为止，它对研发过程有所帮助，因为它使人们有机会快速尝试在真实车辆中可能需要数月或数年才能完成的工作，这与使用模拟器快速进行比较，而且您可以理解如果在真正的汽车中实施该解决方案将会遇到的问题。”

CARLA自动驾驶挑战赛

为了进一步为公平地验证和验证自动驾驶汽车软件堆栈做出贡献，CARLA团队推出了CARLA自动驾驶挑战赛，该挑战要求参与者的自动驾驶代理商按照预定路线到达目标目的地而不会造成交通违规。沿这条路线，代理商面临的挑战性交通状况是按照NHTSA收集的碰撞前交通场景建模的，例如避免意外障碍，由于恶劣的路况而失去控制后恢复控制以及在交叉路口闯红灯的交通。

通过在相同的路线，交通状况和天气条件下测试参与者，该挑战能够在不同堆栈之间进行公平的比较。这与OEM和初创企业目前能够向NHTSA提交的自愿报告形成鲜明对比，该报告可以宣布NHTSA在过去一年中车辆的运行状况。

罗斯说：“当看到这些数字并试图进行比较时，试图获得一幅全景图，这是不可能的，因为这些数字没有经过校准。” “因此，例如，如果一家小公司宣布他们对1000英里以外的地区进行了五次干预，那完全可以，但是那1000英里在哪里？在非常理想的情况下，他们的车辆是否只是在没有交通，没有交通信号灯的情况下绕着街区行驶？我如何将这些结果与其他公司的200英里内进行45次干预的人进行比较？也许那200英里更具挑战性。也许这些英里处于训练状态。”
[图片上传失败...(image-f57a21-1607764942944)]

事实证明，CARLA自动驾驶挑战赛取得了巨大成功。今年的颁奖典礼在CVPR举行，CVPR是机器学习和AI的顶级会议之一。

最新版本：更现实的行人

CARLA价值的关键部分是其免费使用的资产：城市布局，建筑物，车辆和行人。当团队在版本0.8和0.9之间重新设计整个平台时，行人暂时迷路了。7月发布的最新0.9.6版本不仅使行人回头，还增加了一个全新的AI层，引入了新的儿童角色，增加了现有模型的变化，并提供了一个新的界面，可以控制骨骼层次中的每个骨骼。这最后一个方面对罗斯特别令人兴奋。
[图片上传失败...(image-28e908-1607764942944)]

他说：“您可以创建非常复杂的编舞。” “我们认为这将对人机交互领域大有帮助，例如有助于改善预测领域。预测是AV堆栈中最重要的模块之一。您需要能够告诉行人或车辆在接下来的五到十秒内将要做什么。从当前的或过去的两三个或三个或五个帧的历史中，您需要能够预测行人接下来将要做什么。他要过马路还是要留在人行道上？为此，您确实需要非常先进的线索-您的行人必须以他们的肢体语言以非常现实的方式行事。全面的骨骼控制使这成为可能。”

毫无疑问，CARLA团队将提供更多的东西，该团队将继续努力为希望使用，修改或在其基础上开发的任何人提供最好的模拟器。免费。