8、AI 驾驶奥运会：经验总结与未来展望

AI 驾驶奥运会：经验总结与未来展望

1. AI 驾驶奥运会 1 的技术方面

1.1 成功之处

• 原型开发与评估 ：基于机器学习解决方案的原型开发过程中，在线评估和全面可视化发挥了重要作用。Duckietown 环境结构清晰、定义明确且简单，使得在模拟中轻松生成符合要求的地图配置成为可能。
• 基线与模板 ：容器化的基线和模板为不同社区的参赛者提供了便捷的切入点，参赛者只需几行代码即可开始使用平台。这些基线通过提供与各自标准工具的接口，使机器人专家和机器学习社区都能参与到竞赛中来。此外，Facebook 直播活动和问题论坛进一步强化了这些学习资源，详细解释了 AI - DO 软件。

1.2 需要改进的方面

• 软件基础设施
  • Docker 挑战 ：大量精力投入到使用 Docker 进行容器化，但 Docker 基础设施仍存在挑战。例如，竞赛期间 Docker 版本变更，对依赖项造成了临时混乱。
  • 资源约束 ：虽然意识到资源约束对机器人系统至关重要，但使用 Docker 实现这些约束时，计算成本较高的方法反而占据优势，这与预期相悖。例如，在树莓派上运行的提交本应优先于在昂贵 GPU 上运行的提交。
• 提交评估
  • 服务器问题