更多

    亞馬遜出自動駕駛車 明年 re:Invent 辦盃賽

    Eric Chong
    Eric Chong
    商業・科技・創業・編輯

    愈來愈多科技公司投入自動駕駛車,連亞馬遜也參與一份。不過,僅是 1:18 的模型車 DeepRacer ,還打算明年 AWS 的re:Invent 大會舉辦自動駕駛比賽 DeepRacer League 。亞馬遜玩自動駕駛模型車,目的為推動人工智能強化學習( reinforcement learning )。

    [row][double_paragraph]

    亞馬遜自動駕駛模型車 DeepRacer 的背面。
    亞馬遜自動駕駛模型車 DeepRacer 的背面

    [/double_paragraph][double_paragraph]

    正面有 1080p 鏡頭擷取路面情況。
    正面有 1080p 鏡頭擷取路面情況

    [/double_paragraph] [/row]

    先解說 DeepRacer 模型車,內置英特爾 Atom 處理器,車頭配備 1080p 鏡頭和 802.11ac 無線網絡,內有陀螺儀( gyroscope )及加速儀表( accelerometer )提供行車數據,車內有兩組電池,一方面供電摩打行車和轉向,另一方面推動處理器,足夠使用兩小時。作業系統運行 ROS(基於 Ubuntu 16.04 LTS )和英特爾電腦視覺開發工具 OpenVino 。配合 Amazon SageMaker 設計和訓練強化學習模型,以及在 Amazon RobotMaker 內模擬賽道訓練模型。達至一定成熟,將模型下載至 DeepRacer 內,就正式落場比賽。

    在 Amazon RobotMaker 內模式行走賽道,為模型作基本訓練。
    在 Amazon RobotMaker 內模式行走賽道,為模型作基本訓練。

    強化學習是現時自動駕駛汽車技術的基礎,亦是 Google AlphaGo 的自我學習核心技術,基本原理是嘗試錯誤( try and error )。應用在 DeepRacer 上,由參賽者設定規則教車輛行走,然後開始自動行駛,並為每一步的行駛決定給予評分,做對就加分,做錯就減分。只要規則設定正確,當累積一定評分, DeepRacer 就能跟著賽道行駛。因此,強化學習毋須如機器學習般事前預備大量數據,而是採用實時數據訓練。

    至於 DeepRacer League 鬥快完成比賽,基本上就是比併設定規則的技巧。

    比賽賽道只有 5 個彎位,在直路前起步。

    今次在 re:Invent 上小試牛刀,賽事玩法簡單,計時賽鬥快走完標準的 5 個彎位賽道。現場經過兩日比賽,最快記錄為選手 Tarun 造出 19.7 秒。

    DeepRacer 剛發表,比賽小試牛刀,玩計時賽。最快僅 19.7 秒完成一圈。
    DeepRacer 剛發表,比賽小試牛刀,玩計時賽。最快僅 19.7 秒完成一圈。

    亞馬遜計畫在明年各地 AWS Summit 辦地區比賽,優勝者將邀請到明年 re:Invent 作冠軍賽。 DeepRacer 定價 399 美元,現時在亞馬遜上預訂,賣 249 美元,預計明年 3 月出貨。

    香港明年的 AWS Summit 未知會否上演 DeepRacer 比賽,有興趣比試強化學習技術就要留意日後公布。

    [row][double_paragraph]

    比賽在主題演講後隨即開始,不少參賽者未有時間完全設計規則模型,DeepRacer 不時失控,要人手介入。
    比賽在主題演講後隨即開始,不少參賽者未有時間完全設計規則模型, DeepRacer 不時失控,要人手介入。

    [/double_paragraph][double_paragraph]

    只要出手扶正 DeepRacer 多幾次,有一定訓練數據,就能自動跟著賽道去走。
    只要出手扶正 DeepRacer 多幾次,有一定訓練數據,就能自動跟著賽道去走。

    [/double_paragraph] [/row]

    您會感興趣的內容

    相關文章