用《GTA5》测试出来的自动驾驶，会是什么风格？

继去年英特尔实验室和德国达姆施塔特大学利用电脑游戏《GTA5》测试无人驾驶，近日普林斯顿大学自动驾驶项目DeepDrive也宣布将利用《GTA5》训练无人驾驶系统。

GTA全称是Grand Theft Auto，中文译名《侠盗猎车手》，是一款动作冒险类游戏。游戏里的一大特色就是可以让玩家驾驶各种车辆四处狂飙和碾压。GTA游戏中，为了模拟真实世界的环境，建立了逼真的道路环境：路上有不同的车辆行驶，电脑模拟的“驾驶员们”还有着不同的驾驶风格。

雷锋网(公众号：雷锋网)此前报道过，德国达姆施塔特大学的研究小组在游戏和电脑硬件中间创建了软件层，能够自动分类游戏中道路场景上的不同的物体。这为机器学习提供了有效的训练参照物，通过识别游戏里的车，行人，和其他障碍物，无论是在游戏还是在真实的街道上，都能自动区分和收集目标。根据这个研究小组最近发表的一篇论文所示，这么庞大的数据操作，人类是不可能手动标记所有场景的。研究人员还表示，真正的训练图像可以通过添加一些合成影像加以改进，使其更加逼真。

 这个游戏世界中，驾驶员们会按照真实的交通规则行驶，红灯停绿灯行，而人行道上甚至还有行人和自行车。利用这个现成的沙盘，让人工智能操控的自动驾驶程序代替人类玩家进入游戏，驾驶车辆在虚拟的世界中行驶。在收集信息的过程中，还能做到精准收集，对各种气候，灯光场景有选择性地分析。

自动驾驶往往需要在实际场景中测试，收集大量的道路数据。在人力资源成本高昂的发达国家，这并非易事。

用电子游戏模拟现实世界的价值，更在于可以模拟现实中难以模拟的特殊场景。比如，各种车祸你可以开一辆车制造各种各样的事故。此外，GTA中几乎涵盖了各种各样的道路状况，包括山区、郊区和城市。还有各种各样的车辆，比如警车、救护车、出租车、货车等车型。

如果是在现实世界中做同样的事情，则需要“几千个小时”时间来收集和标签图像。英属哥伦比亚大学的一名学生Alireza Shafaei说：“在人工环境中，我们可以不费吹灰之力精确收集大面积的注释数据，此外GTA5游戏还能提供各种不同设定条件下(光照和气候)的大量变体数据。我们认为，GTA5游戏中人造的数据很不错，有时候甚至比现实世界教学数据还要好。”

人工智能的研究小组们已经把简单的游戏当成检验算法的学习能力标准之一。而现在有更多的研究者表示他们对用游戏风景来提升视觉训练越来越感兴趣。在巴尔的Johns Hopkins University 的一个研究小组正在开发一项可以将机器学习算法与任意热门游戏虚拟引擎的工具。

。