从模拟虚拟到在现实情形下的强化学习
为了帮助解决有关数据质量的一些问题，研究人员正在测试将虚拟图像输入转化为现实模型的可能性，以改进模拟实验。
谷歌曾放出消息，虽然许多政府机构还不愿意将模拟英里数作为规定中的自主驾驶测试所需里程的一部分，但随着对模拟的监管变得更加明确，这种情况可能会发生变化。
模拟是必要的
如果精确度足够高，那么模拟是有价值的。诚然，模拟可能不会解决的最后 1%的自主驾驶问题。但如果技术可靠，那么在未来可以让模型完成更好的场景识别或应对更大范围的场景。
许多公司对此表示赞同。包括特斯拉，Zoox，Comma.ai，Drive .ai 和极光创新公司都在积极招聘模拟工程师。
在无人驾驶领域之外
模拟技术的使用能够扩展到无人驾驶领域之外。虽然我们可以借此理解无人机如何感知周围的世界，但除此之外我们也能更好地明白交通、驾驶行为，甚至是行人行为的潜在逻辑。
退一步讲，一个模拟环境中存在足够多的特定模型和动态生命，因此我们也可以更好地理解机器人，它们将与我们的真实世界和数字世界发生交互。
像 Improbable 这样的公司已经瞄准了这个潜在市场。投资者们也已经认识到，该技术作为未来模拟世界的建筑师其所隐藏的价值。
我们才刚刚触及这项技术的表明。许多公司正在大力发展该项技术，一些初创公司也已经开始开发独立的软件。随着研究深入，预计会有各种各样的新选手进入市场。那些最早成功人有机会成为早期的领导者，或能带领其他人更好地进行阶段式的发展。
责任编辑:pj
关于模拟技术就介绍完了，您有什么想法可以联系小编。
