Airsim设计的目的:
1.现实世界开发测试自动驾驶车辆算法费时费力
2.迎合AI的发展,需要在各种条件下和环境下收集大量带注释训练数据
模块化设计,强调可扩展性(提供很多API),核心组件包括环境模型、车辆模型、物理引擎、传感器模型、渲染结构、公共API层、车辆固件结构层,如图:
Companion Computer:指除模拟器以外仍可利用计算资源的计算机
相关工作:
1.Gazebo,模块化设计,有不同的物理引擎,传感器模型,3D世界。连杆结构模拟机器人,但对于大规模复杂视觉丰富环境不适用
模型建立(数学化方式):
1.汽车模型
2.环境模型(重力、磁场、气压、密度)
3.物理引擎模型(线性和角速度/加速度/整合/碰撞检测)
什么是物理引擎:身体的运动状态用6个量表示:位置、方向、线速度、线加速度、角速度和角加速度。物理引擎的目标是在给定作用在每个物体上的力和力矩的情况下,计算每个物体的下一个运动状态。
4.传感器(气压计/陀螺仪和加速度计/磁力计),预留接口可自行加入
5.视觉渲染
结论:
AirSim提供高保真的物理和视觉模拟,可以廉价生成大量训练数据,用于构建机器学习模型。AirSim API设计允许针对模拟器开发算法,然后在实际车辆上进行部署。AirSim的核心组件包括物理引擎、车辆模型、环境模型和传感器模型,其设计可独立使用,且在AirSim之外的依赖性最小,并且易于扩展。AirSim的灵感来自于为能够在现实世界中运行的自治代理开发强化学习算法的目标
原文地址:https://arxiv.org/pdf/1705.05065.pdf
github源码网址:https://github.com/microsoft/AirSim
Airsim仿真实操(服务器windows):
https://b23.tv/5MGixuF
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)