自动驾驶“老司机”拼车技，MIT的这个比赛已经飙到了时速123公里

郭一璞 发自 凹非寺 量子位 报道 | 公众号 QbitAI

大部分自动驾驶车辆都是佛系的，为了保证行驶安全，慢悠悠的在道路上“散步”。

但是，在MIT的官网上，我们发现了一些“速度与激情系”自动驾驶车，不仅时速飙到了123km/h，而且能在密密麻麻的车流中自由穿（chao）梭（che）。

不过，这里并没有真的车，那些左右横跳般的车子，都是这个网站上的icon。

DeepTraffic：自动驾驶超车比赛

这是一场MIT举办的自动驾驶超车比赛，DeepTraffic，每位参与者提交自己的深度学习模型代码，在模拟车流环境中进行测试，通过不断超车，跑出最快成绩者胜。

这个比赛仅限“超车”这一个问题，也就是说，只要做好加速、减速、变道就OK了，无需考虑自动驾驶的其他需求——毕竟车辆不是在实地运行，你无需担心它们出车祸。

下面的视频是DeepTraffic官方做出的一个示例：

比赛限速80英里/小时（128km/h），视频中，带着长长的红色尾巴的车是参赛者的车辆，其他红色车辆则是其他参赛者，白色的车辆则是这场游戏中的NPC。

参赛者的模型控制的车辆需要在海量白车红车中穿梭，不断变道超车，以保证自己的时速尽量快，取得更高的排名。

这辆车的配置如下：

总共43个传感器，其中30个在前方，10个在后方，3个在侧面。

如何参加

任何深度学习爱好者和从业者都可以参加这个比赛。

首先，需要在DeepTraffic网站上注册一个账号。

然后，你可以在代码框中更改一些参数。

点击“Apply Code”后应用代码。

然后，可以点击“Run Training”开始训练，训练结束后，点击“Start Ecaluation Run”，开始评估，评估将模拟500次运行，每次运行约30秒，计算每次运行的平均速度，最终得分将是500个平均速度的中位数，作为该模型的成绩。

当你的模型成绩足够好时，可以提交模型，正式参加比赛。

另外，为了凸显标识和美观度，这个比赛还允许参与者自行上传车辆图片，你可以找一辆你喜欢的车，或是任何长方向的图形，上传后作为赛道中你的车辆icon。

比如说，把人工智障爱酱的照片变成车子。

还可以给自己车辆选择“尾巴”的颜色。

可以说非常少女了。

榜上有名

提交的成绩会被DeepTraffic收录进一个排行榜里。

目前，DeepTraffic已经进行过三期，第一期的1.0版本决出了三位优胜者，冠军选手Purnawirman的成绩是74.48英里每小时，大约120kn/h，他获得的奖品是Ian Goodfellow和Yoshua Bengio和Aaron Courville的深度学习书籍，以及Udacity的线上自动驾驶课程。

第二期DeepTraffic 1.1的速度要高很多，冠军Hoan Nguyen的成绩是76.29英里每小时，大约122km/h；第三期DeepTraffic 1.2的成绩略低了一点，冠军H_Buffington的时速是73.10英里每小时，也就是117km/h。

目前正在进行的是DeepTraffic 2.0版本的比赛，排行榜首位的是一家名为Evolution AI的英国公司的CTO，Rafal Kwasny，他的分数比前几个版本都高，为76.60英里每小时，也就是123km/h。

对于无人车来说，这个速度已经相当可观了。有兴趣的同学不妨冲个榜尝试下。

比赛传送门

DeepTraffic是MIT自动驾驶深度学习课程的一部分，注册账号后不仅可以参加这个比赛，还可以用此账号来进行线上的学习。

比赛链接： https://selfdrivingcars.mit.edu/deeptraffic-visualization/

参赛指南： https://selfdrivingcars.mit.edu/deeptraffic-about/

课程： https://selfdrivingcars.mit.edu/resources/

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态