Jeremy Seaman中士和他的團隊在綜合訓練環(huán)境中測試了一個可重構(gòu)虛擬集體教練機的原型，2ABCT的成員測試了下一代車輛訓練模擬器的不同版本，并提供了他們的反饋，以確保原型在部署前滿足所有要求的規(guī)范。

戰(zhàn)爭不適合收集數(shù)據(jù)。

雖然現(xiàn)代戰(zhàn)場是一個傳感器豐富的環(huán)境，但這些傳感器本身就是問題的來源。有時，故障可能是由于一些無處不在的東西，如來自太陽的眩光。

但在設計需要數(shù)據(jù)來訓練和運行的自主車輛時，產(chǎn)生了一個問題。輸入合成數(shù)據(jù)，或虛擬創(chuàng)建的傳感器輸入，反映可能發(fā)生但未在模擬外部記錄的場景。

對于罕見的事件或數(shù)據(jù)特別難以收集的場景，可以將合成數(shù)據(jù)合并到訓練模型中，使人工智能能夠從真實和模擬的經(jīng)驗中學習。在真實但罕見的場景中訓練自動駕駛汽車，比如黃昏時穿過高速公路的反光平板，太陽的強光使得僅在中午白天訓練的視覺傳感器無法理解。

NVIDIA Federal的瑪格麗特?阿莫里（Margaret Amori）說：“我們立足于游戲公司，創(chuàng)造了一個完全合成的環(huán)境，在這個環(huán)境中我們可以測試和訓練這些汽車?！盢VIDIA制造顯卡，功能強大的工具，最初用于渲染視頻游戲，現(xiàn)在支持許多高性能的圖像處理。

阿莫里說：“考慮到一輛經(jīng)過訓練并準備好開動的汽車，要開上百萬英里的路是不可能的。我們可以創(chuàng)造各種瘋狂的條件和危險場景，我們不想在現(xiàn)實世界中復制。我的意思是，想象一個世界，就像沒有犯罪的‘俠盜獵車’一樣”。

阿莫里的這番話是11月在底特律舉行的美國陸軍協(xié)會人工智能與自主研討會的一部分。為什么軍隊會對學習駕駛汽車穿越街道的算法感興趣呢？

阿莫里說：“基于物理學，它非常逼真和精確。所以你可以隨意移動太陽，只需按一下按鈕，你就可以把它從夏天換到冬天，創(chuàng)造出各種條件，比如太陽眩光，這對我們的傳感器來說是個很大的問題?！?/p>

訓練自治系統(tǒng)在不太理想的條件下運行是虛擬環(huán)境的一個很好的用例，盡管合成數(shù)據(jù)并不是整個項目的全部。

對于這一領域的公司來說，找出訓練人工智能所需的合成數(shù)據(jù)和真實數(shù)據(jù)的正確組合仍然是一項正在進行的工作。到目前為止，NVIDIA已經(jīng)注意到當使用至少50%的合成數(shù)據(jù)時，人工智能導航有了改進，盡管比例可能因任務而異。

在軍事場景中，合成數(shù)據(jù)可能是唯一可用的數(shù)據(jù)。

Cadence Systems的Frank Schirrmeister說：“你只需創(chuàng)建一個驅(qū)動數(shù)據(jù)或陸軍內(nèi)容場景的菜單就行了，基本上可以根據(jù)需求自動創(chuàng)建合成數(shù)據(jù)?！?/p>

畢竟，軍用自主車輛的傳感器需要知道如何在強光下工作，但也需要知道如何處理突然出現(xiàn)的灰塵和閃光以及爆炸和其他戰(zhàn)場混亂的障礙物。在實驗室里進行建模，為未來戰(zhàn)場訓練真實世界的機器人，可能是一個增長領域，并把它當作一個需求和控制的問題。

責任編輯：ct