亞馬遜出自動駕駛車 明年 re:Invent 辦盃賽

亞馬遜出自動駕駛車 明年 re:Invent 辦盃賽

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 )。

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

正面有 1080p 鏡頭擷取路面情況。

正面有 1080p 鏡頭擷取路面情況

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。

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。

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。