合成数据是自动战争的关键步骤吗

Jeremy Seaman中士和他的团队在综合训练环境中测试了一个可重构虚拟集体教练机的原型，2ABCT的成员测试了下一代车辆训练模拟器的不同版本，并提供了他们的反馈，以确保原型在部署前满足所有要求的规范。

战争不适合收集数据。

虽然现代战场是一个传感器丰富的环境，但这些传感器本身就是问题的来源。有时，故障可能是由于一些无处不在的东西，如来自太阳的眩光。

但在设计需要数据来训练和运行的自主车辆时，产生了一个问题。输入合成数据，或虚拟创建的传感器输入，反映可能发生但未在模拟外部记录的场景。

对于罕见的事件或数据特别难以收集的场景，可以将合成数据合并到训练模型中，使人工智能能够从真实和模拟的经验中学习。在真实但罕见的场景中训练自动驾驶汽车，比如黄昏时穿过高速公路的反光平板，太阳的强光使得仅在中午白天训练的视觉传感器无法理解。

NVIDIA Federal的玛格丽特•阿莫里（Margaret Amori）说：“我们立足于游戏公司，创造了一个完全合成的环境，在这个环境中我们可以测试和训练这些汽车。”NVIDIA制造显卡，功能强大的工具，最初用于渲染视频游戏，现在支持许多高性能的图像处理。

阿莫里说：“考虑到一辆经过训练并准备好开动的汽车，要开上百万英里的路是不可能的。我们可以创造各种疯狂的条件和危险场景，我们不想在现实世界中复制。我的意思是，想象一个世界，就像没有犯罪的‘侠盗猎车’一样”。

阿莫里的这番话是11月在底特律举行的美国陆军协会人工智能与自主研讨会的一部分。为什么军队会对学习驾驶汽车穿越街道的算法感兴趣呢？

阿莫里说：“基于物理学，它非常逼真和精确。所以你可以随意移动太阳，只需按一下按钮，你就可以把它从夏天换到冬天，创造出各种条件，比如太阳眩光，这对我们的传感器来说是个很大的问题。”

训练自治系统在不太理想的条件下运行是虚拟环境的一个很好的用例，尽管合成数据并不是整个项目的全部。

对于这一领域的公司来说，找出训练人工智能所需的合成数据和真实数据的正确组合仍然是一项正在进行的工作。到目前为止，NVIDIA已经注意到当使用至少50%的合成数据时，人工智能导航有了改进，尽管比例可能因任务而异。

在军事场景中，合成数据可能是唯一可用的数据。

Cadence Systems的Frank Schirrmeister说：“你只需创建一个驱动数据或陆军内容场景的菜单就行了，基本上可以根据需求自动创建合成数据。”

毕竟，军用自主车辆的传感器需要知道如何在强光下工作，但也需要知道如何处理突然出现的灰尘和闪光以及爆炸和其他战场混乱的障碍物。在实验室里进行建模，为未来战场训练真实世界的机器人，可能是一个增长领域，并把它当作一个需求和控制的问题。