大部分自动驾驶车辆都是佛系的,为了保证行驶安全,慢悠悠的在道路上“散步”。
但是,在MIT的官网上,我们发现了一些“速度与激情系”自动驾驶车,不仅时速飙到了123km/h,而且能在密密麻麻的车流中自由穿(chao)梭(che)。
不过,这里并没有真的车,那些左右横跳般的车子,都是这个网站上的icon。
DeepTraffic:自动驾驶超车比赛
这是一场MIT举办的自动驾驶超车比赛,DeepTraffic,每位参与者提交自己的深度学习模型代码,在模拟车流环境中进行测试,通过不断超车,跑出最快成绩者胜。
这个比赛仅限“超车”这一个问题,也就是说,只要做好加速、减速、变道就OK了,无需考虑自动驾驶的其他需求——毕竟车辆不是在实地运行,你无需担心它们出车祸。
比赛限速80英里/小时(128km/h),视频中,带着长长的红色尾巴的车是参赛者的车辆,其他红色车辆则是其他参赛者,白色的车辆则是这场游戏中的NPC。
参赛者的模型控制的车辆需要在海量白车红车中穿梭,不断变道超车,以保证自己的时速尽量快,取得更高的排名。
这辆车的配置如下:
总共43个传感器,其中30个在前方,10个在后方,3个在侧面。
如何参加
任何深度学习爱好者和从业者都可以参加这个比赛。
首先,需要在DeepTraffic网站上注册一个账号。
然后,你可以在代码框中更改一些参数。
点击“Apply Code”后应用代码。
然后,可以点击“Run Training”开始训练,训练结束后,点击“Start Ecaluation Run”,开始评估,评估将模拟500次运行,每次运行约30秒,计算每次运行的平均速度,最终得分将是500个平均速度的中位数,作为该模型的成绩。
当你的模型成绩足够好时,可以提交模型,正式参加比赛。
另外,为了凸显标识和美观度,这个比赛还允许参与者自行上传车辆图片,你可以找一辆你喜欢的车,或是任何长方向的图形,上传后作为赛道中你的车辆icon。
比如说,把人工智障爱酱的照片变成车子。
还可以给自己车辆选择“尾巴”的颜色。
可以说非常少女了。
榜上有名
提交的成绩会被DeepTraffic收录进一个排行榜里。
目前,DeepTraffic已经进行过三期,第一期的1.0版本决出了三位优胜者,冠军选手Purnawirman的成绩是74.48英里每小时,大约120kn/h,他获得的奖品是Ian Goodfellow和Yoshua Bengio和Aaron Courville的深度学习书籍,以及Udacity的线上自动驾驶课程。
第二期DeepTraffic 1.1的速度要高很多,冠军Hoan Nguyen的成绩是76.29英里每小时,大约122km/h;第三期DeepTraffic 1.2的成绩略低了一点,冠军H_Buffington的时速是73.10英里每小时,也就是117km/h。
目前正在进行的是DeepTraffic 2.0版本的比赛,排行榜首位的是一家名为Evolution AI的英国公司的CTO,Rafal Kwasny,他的分数比前几个版本都高,为76.60英里每小时,也就是123km/h。
对于无人车来说,这个速度已经相当可观了。有兴趣的同学不妨冲个榜尝试下。
比赛传送门
DeepTraffic是MIT自动驾驶深度学习课程的一部分,注册账号后不仅可以参加这个比赛,还可以用此账号来进行线上的学习。
比赛链接:
https://selfdrivingcars.mit.edu/deeptraffic-visualization/
参赛指南:
https://selfdrivingcars.mit.edu/deeptraffic-about/