NeurIPS自动驾驶比赛结束,新加坡松下研究院申省梅团队夺冠

2018年12月28日

雷锋网 AI 科技评论按,2018 年 12 月 8 日,首届 AI Driving Olympics(AI-DO)在加拿大蒙特利尔举办,这场比赛是 NeurIPS 2018 八大比赛之一,由 Duckietown Foundation 联合 6 所学术机构 ETH Zürich (Switzerland)、Université de Montréal (Canada)、Tsinghua University (China)、National Chiao Tung University (Taiwan)、Toyota Technological Institute at Chicago (USA)、Georgia Tech (USA) 主办,NuTonomy 和 Amazon 提供赞助。

NeurIPS自动驾驶比赛结束,新加坡松下研究院申省梅团队夺冠

比赛官网:https://challenges.duckietown.org/v3/

本次比赛的主要目的是探讨机器学习在交互和系统方面的前沿问题,评估基于深度学习的系统控制移动机器人的实际能力。比赛共设四个赛道,包括指定车道行驶,有动态遮挡物的车道驾驶,自动导航和全自动移动车队规划四个挑战。 最终,由申省梅带领的新加坡松下研究院和新加坡国立大学团队获得了 AI-DO 竞赛冠军。

五强名单如下:

新加坡松下研究院和新加坡国立大学团队 WEI GAO

加拿大 Jon Plante、Vincent Mai

俄罗斯 JetBrains 团队 Mikita Sazanovich

SAIC(Samsung AI Center)

Moscow 团队 Anton Mashikhin

比赛过程中,参赛团队先用主办方提供的模拟器来开发和测试各自的算法和系统,然后提交到云端平台,以便评委做统一评测。评委将从中选出分数最高的 15 支团队的系统来进行现场表演和测试,通过在 5 轮不同场景下进行评测计分,综合分数最高者将获得冠军。

在大多数现实环境中,不能单靠一个指标决定系统的好坏,尤其是自动驾驶任务。因此,AI-DO 使用了多种绩效指标同时进行评测。此次比赛的评分维度包括:行驶距离,生存时间,横向偏差和重大违规四个方面。

冠军团队使用了随机模板,并创建了一个调试框架来测试算法。之后,他们为算法创建了一个 Python 包,并使用随机模板直接调用。该算法主要包括三部分:感知、预测、控制。当机器人处于摄像机无法观测到有用信息的急转弯时,预测起著至关重要的作用。

据冠军团队对雷锋网介绍,比赛中的一个挑战是,模拟情况常常会与实际运行的环境不一样,在模拟器上可以高性能工作的算法或模型,在实际环境下的性能往往下降很大,或速度太慢无法实时运行。这时候,如何建立一个模拟实测不同环境的较准体系,以减少算法和视觉识别在不同环境下的差距,是一个很重要的策略。

比赛中,另一个极具挑战的地方在于:如果想要利用 AI 模型进行物体识别追踪、场景分割分类、预测和控制,想要完成多重任务并且实时操作,就要进行速度优化,对性能与速度进行综合考虑。

申省梅对雷锋网表示,DAPAR GRAND 挑战赛促进了自动驾驶技术的发展和人形机器人的开拓,希望 AI-DO 这样一个开放式的比赛开发平台,能利用人工智能、深度学习、增强学习,为交互机器人以及交互自动驾驶带来重大突破。

转载请注明来源:狮城新闻