数据猿报道
知道自动驾驶汽车安全上路前需要进行多少里程的测试吗？特斯拉CEO马斯克说至少要96亿公里以上，兰德智库认为需要至少跑177亿公里，相当于在地球和太阳间往返50多趟。这么大的数据量，要是全靠道路测试是不是会把工程师逼疯？
大数据产业创新服务媒体
——聚焦数据 · 改变商业
数据猿报道 近日，来自麻省理工学院计算机科学与人工智能实验室（MIT CSAIL）与丰田汽车研究院的研究人员披露了采用汽车在真实世界中行驶的数据集推出的自动驾驶仿真平台VISTA（虚拟图像自动合成与转换）的部分情况。MIT宣称，VISTA无需人工手动标记路标、车道线、物理建筑物等各类信息元素，就可以大幅优化自动驾驶汽车测试和部署时间。
MIT CSAIL
据介绍，VISTA是一款数字驱动型平台，所使用的数据与真实路况、驾驶情境内所涉及的目标物无论在距离还是行为动作上都可以保持一致，这就可以防止自动驾驶汽车在仿真软件里所学的驾驶技巧与真实环境下的车辆操控存在不匹配的情况。为了创建VISTA，人类驾驶员每行驶一段距离，研究人员都会采集相应的视频数据，逐帧地提取并分析。
VISTA 可以借助现实世界的数据集来合成车辆能够用上的行驶轨迹，反观 Waymo、Uber、Cruise 和 Aurora等自动驾驶汽车公司，采用的都是AI 仿真环境来训练自己的 自动驾驶系统，也就是说让汽车在模拟环境里“各种跑”，然后再到现实世界里使用。这种方式存在诸多弊端，如数据并非是真实世界的，训练出来的系统总是与真实世界存在一定差异。
据VISTA研究人员介绍，如果他们的虚拟车辆能保持不出事故，VISTA 会对其进行奖励，从而使它们“有动力”学习应对各种路况，包括车辆突然偏离轨道后重新获得控制权。
基于雷克萨斯LS 500h改装的自动驾驶测试车
为了训练 VISTA，研究人员会从多条道路的路测中采集视频数据。VISTA对于每帧画面都 会在一种 3D 点云中预测每一个像素，随后将虚拟车辆放置在环境中进行测试，以便在发出转向命令时VISTA 根据转向曲线以及车辆行驶的方向和速度，通过点云合成一条新的轨迹。
然后，VISTA就会使用上述轨迹绘制逼真的场景并编制深度地图，其中包含从车辆视点到物体的距离有关的信息。通过将深度地图与估算 3D 场景中相机方向的技术相结合，引擎可精确定位车辆的位置及与虚拟模拟器中所有物体的相对距离，同时重新定位原始像素，从而以车辆的新视角中再现这个世界的景象。
在经过 10 到 15 个小时的训练后，研究人员通过对比测试，结果显示在 10000 公里的测试里程中，经过 VISTA 训练的虚拟汽车能够在从未见过的街道上行驶。即使将其放置在模仿各种接近碰撞情况的路况上，如只有一半车身还留在路上或进入另一个车道，汽车也能在几秒内成功恢复到安全的行驶轨迹。
未来，研究团队还希望 VISTA 能从单一驾驶轨迹仿真进化到模拟所有类型的路况，例如白天和黑夜以及晴天和阴雨天气。此外，他们还希望模拟一些有很多车辆参与的复杂交叉路口。（Daisy / 数据猿）
