据外媒报导，美国马里兰大学（UniversityofMaryland）计算机科学家DineshManocha与中国百度研究院（BaiduResearch）以及香港大学（UniversityofHongKong）的同事合作，研发了一个极为细致的建模系统，用作训练和检验自动驾驶汽车。现有系统用于游戏引擎或是具高保真度的计算机图形以及数学建模交通模式来展开仿真，与之比起，该新的系统可获取更加非常丰富、更加现实的仿真。该新的系统取名为增强型自动驾驶建模（AADS），可让自动驾驶技术更容易在实验室内展开评估，同时保证自动驾驶技术在投放到便宜的道路测试之前，充足可信、安全性。

自动驾驶汽车的一个潜在益处是，其有可能比人类驾驶员更为安全性，因为人类驾驶员更容易迟疑、疲惫、情绪化，从而造成作出错误要求。但是，为了确保安全，自动驾驶汽车必需评估驾驶员环境，并对驾驶员环境作出反应。

鉴于汽车在道路上有可能遇上各种情况，自动驾驶系统必须在极具挑战性的条件下展开数亿英里的试驾，以证明其具备可靠性。如果在现实道路上已完成试驾有可能必须几十年的时间，但是通过计算机建模系统可以较慢、高效、更加安全性地对自动驾驶系统展开可行性评估。计算机建模系统可以精确地重现真实世界，并对周围物体的不道德展开建模。

目前，科学文献中叙述的最先进设备的建模系统仍在刻画细致环境，以及呈现出真实世界交通流模式或驾驶员不道德方面不存在严重不足。AADS是一个由数据驱动的系统，需要更为精确地呈现出自动驾驶汽车在道路上接管到的信息。自动驾驶汽车倚赖感官模块和导航系统模块，感官模块接管和说明现实世界的信息，导航系统模块基于感官模块作出决策，例如改向何处，否要刹车或是加快。在现实世界中，自动驾驶汽车的感官模块一般来说接管摄像头和激光雷达传感器的信息，此类传感器利用光脉冲测量与周边物体的距离。

在目前的仿真技术中，感官模块接管计算机分解的图像，以及行人、自行车和其他汽车运动模式的模型，是对现实世界一种比较坚硬的呈现出，但是由于计算机分解的图像模型必需由手工分解，因此该过程十分便宜且耗时。而AADS系统将照片、视频和激光雷达点云（类似于3D形状效果图），与行人、自行车和其他车辆的现实轨迹数据结合，此类轨迹数据还能用作预测道路上其他车辆或行人的驾驶员不道德和未来方位，以构建安全性驾驶员。在用于现实视频图像和激光雷达数据展开仿真时，科学家们面对着一个挑战：每个仿真场景都必需对自动驾驶汽车的运动作出号召，即使此类运动并没被完整摄像头或激光雷达传感器捕捉到。此外，还必需预测没被照片或视频捕捉到的任何角度或视点的场景，并完全恢复或仿真出来，这也是为什么仿真技术仍然十分倚赖计算机分解图形技术以及物理预测技术的原因。

为了解决该挑战，研究人员研发了一项技术，可以将现实世界街景的各个部分分离开了，并将各部分完全恢复成分开的元素，然后再行将此类元素新的制备，以创立大量细致的驾驶员场景。凭借AADS，车辆和行人都可以从一个环境中小黑出来，然后再行摆放到另一个有适合灯光和运动模式的环境中。此外，可以修复有所不同交通水平的道路，每个场景的多个视角都可以在车辆变道和弯道过程中获取更为细致的视角。此外，与其他视频仿真技术比起，先进设备的图像处理技术可实现光滑切换，增加杂讯。

而且还可利用图像处理技术萃取行人、自行车和其他车辆的轨迹，仿真驾驶员不道德。美国马里兰大学计算机科学家DineshManocha回应：“因为我们用于的是有关现实世界的视频以及现实世界中行人、自行车和其他车辆的动作，因而与以前的方法比起，我们的感官模块享有的信息更加精确。而且，由于该模拟器的真实性十分低，我们需要更佳的评估自动驾驶系统的驾驶员策略。

本文来源：k1体育·(3915十年品牌)官方网站-www.lampower.net