今年年初，微软开源了一个叫做AirSim的研究项目，用来测试人工智能系统的安全性。 据了解，AirSim为研究提供现实环境、车辆动力和感知，来保证自动驾驶汽车的安全。上个月，微软升级了AirSim。现在，AirSim系统已经能够覆盖汽车模拟器，促进无人驾驶汽车的研究和发展。最新版本的AirSim已经登陆GitHub平台，支持开源和跨平台操作。 同时，新版本AirSim还更新了许多功能，功能之一便是为空中交通工具提供额外的解决方案。在AirSim的帮助下，开发者可以通过一种叫做“simple_flight”的嵌入式飞行控制器，降低人们模拟无人机飞行的难度。这就让控制和状态估计（state estimation ）算法实验操作更加简单容易，无需嵌入领域昂贵的纠错和开发程序。
用模拟器建造和测试汽车开发自动驾驶汽车算法成本非常昂贵，需要完善的基础设施去建造高成本硬件平台和巨大的数据库。 现在，微软通过一种开放式的、以社区驱动的平台来测试这些算法，来让更多研究团队从事自动驾驶汽车开发。AirSim的新版本包括汽车模拟器、新的环境和APIs，来修改程序和即将执行的脚本，让工程师快速开始研究。 快速打造更丰富的环境AirSim拥有一个非常详细的3D城市环境，其包含多种多样的动态情景，比如交通灯、停车场、湖、建筑工地等等。用户可以在社区的不同环境中测试系统，比如市中心、近郊地区、植被覆盖区和工业区域。模拟环境还包含超过12千米的道路，延伸到20多个城市街区中。 AirSim被开发成了Unreal Engine（虚幻引擎，简称 UE， 是一款极为出色和流行的 3D 游戏引擎和开发工具）的插件，这就意味着汽车模拟器将与其运行的环境分离。 开发者可以打造某种特定环境（比如城市或农村道路），来满足特定需求；或者选择多种线上环境，来满足多种需求；然后跳过AirSim插件来测试你的自动驾驶算法。AirSim也允许研究者和开发者来结合新的传感器和车辆，甚至使用不同的物理引擎。
促进人工智能研究AirSim提供能在多种计算机语言（包括C++和Python）中使用的APIs，这样一来，用多种机器学习工具链使用AirSim将会更加容易。 例如，开发者可以使用有AirSim帮助的Microsoft Cognitive Toolkit (CNTK，微软认知工具包) 来做深度增强学习。 同时，AirSim还能与Microsoft Azure云计算平台一起，扩展现数据需求量巨大的机器学习算法。此外，有了AirSim的帮助，你可以在短短几分钟内下载Python APIs ，并让它控制汽车。 目前，微软已经让AirSim获得了很多团队的支持，包括微软自己的Microsoft Garage团队，也包括人工智能圈中的其他团队。 据雷锋网了解，未来微软希望加入更新的传感器、更好的车辆物理引擎、更棒的天气模型和更精细的现实环境，也期待团队能够加入，实现共同成长。 转自：雷锋网 |
