（圖片來源：馬里蘭大學官網）

　　蓋世汽車訊 據外媒報道，美國馬里蘭大學（University of Maryland）計算機科學家Dinesh Manocha與中國百度研究院（Baidu Research）以及香港大學（University of Hong Kong）的同事合作，研發了一個極度逼真的仿真系統，用於訓練和驗證自動駕駛汽車。現有系統使用遊戲引擎或是具高保真度的計算機圖形以及數學建模交通模式來進行模擬，與之相比，該新系統可提供更豐富、更真實的模擬。

　　該新系統名爲增強型自動駕駛仿真（AADS），可讓自動駕駛技術更容易在實驗室內進行評估，同時確保自動駕駛技術在投入到昂貴的道路測試之前，足夠可靠、安全。

　　自動駕駛汽車的一個潛在好處是，其可能比人類駕駛員更加安全，因爲人類駕駛員容易分心、疲勞、情緒化，從而導致做出錯誤決定。但是，爲了確保安全，自動駕駛汽車必須評估駕駛環境，並對駕駛環境做出反應。鑑於汽車在道路上可能遇到各種情況，自動駕駛系統需要在極具挑戰性的條件下進行數億英里的試駕，以證明其具有可靠性。

　　如果在真實道路上完成試駕可能需要幾十年的時間，但是通過計算機仿真系統可以快速、高效、更安全地對自動駕駛系統進行初步評估。計算機仿真系統可以準確地再現真實世界，並對周圍物體的行爲進行建模。目前，科學文獻中描述的最先進的仿真系統仍在描繪逼真環境，以及呈現真實世界交通流模式或駕駛員行爲方面存在不足。

　　AADS是一個由數據驅動的系統，能夠更加準確地呈現自動駕駛汽車在道路上接收到的信息。自動駕駛汽車依賴感知模塊和導航模塊，感知模塊接收和解釋現實世界的信息，導航模塊基於感知模塊做出決策，例如轉向何處，是否要剎車或是加速。

　　在現實世界中，自動駕駛汽車的感知模塊通常接收攝像頭和激光雷達傳感器的信息，此類傳感器利用光脈衝測量與周邊物體的距離。在目前的仿真技術中，感知模塊接收計算機生成的圖像，以及行人、自行車和其他汽車運動模式的模型，是對現實世界一種相對粗糙的呈現，但是由於計算機生成的圖像模型必須由手工生成，因此該過程非常昂貴且耗時。

　　而AADS系統將照片、視頻和激光雷達點雲（類似於3D形狀效果圖），與行人、自行車和其他車輛的真實軌跡數據相結合，此類軌跡數據還能用於預測道路上其他車輛或行人的駕駛行爲和未來位置，以實現安全駕駛。

　　在使用真實視頻圖像和激光雷達數據進行模擬時，科學家們面臨着一個挑戰：每個模擬場景都必須對自動駕駛汽車的運動做出響應，即使此類運動並沒有被原始攝像頭或激光雷達傳感器捕捉到。此外，還必須預測沒有被照片或視頻捕捉到的任何角度或視點的場景，並恢復或模擬出來，這也是爲什麼仿真技術一直非常依賴計算機生成圖形技術以及物理預測技術的原因。

　　爲了克服該挑戰，研究人員研發了一項技術，可以將現實世界街景的各個部分分離開，並將各部分恢復成單獨的元素，然後再將此類元素重新合成，以創建大量逼真的駕駛場景。

　　憑藉AADS，車輛和行人都可以從一個環境中拎出來，然後再放置到另一個有合適照明和運動模式的環境中。此外，可以重建不同交通水平的道路，每個場景的多個視角都可以在車輛變道和轉彎過程中提供更加逼真的視角。此外，與其他視頻仿真技術相比，先進的圖像處理技術可實現平滑轉換，減少失真。而且還可利用圖像處理技術提取行人、自行車和其他車輛的軌跡，模擬駕駛員行爲。

　　美國馬里蘭大學計算機科學家Dinesh Manocha表示：“因爲我們使用的是有關現實世界的視頻以及現實世界中行人、自行車和其他車輛的動作，因而與以前的方法相比，我們的感知模塊擁有的信息更準確。而且，由於該模擬器的真實性非常高，我們能夠更好的評估自動駕駛系統的駕駛策略。”