微軟AirSim模擬平臺可用來訓練機器人，協助人類執行地下洞穴救援工作

四月的時候，微軟對外開源無人系統模擬平臺AirSim，現被用來模擬危險環境，訓練機器人在地下隧道導航以及搜尋物件，協助人類的救援行動，另外，AirSim還被用在國家公園的盜獵偵測專案中。

卡內基美隆大學和奧瑞岡州立大學合作成立Team Explorer團隊，使用AirSim系統訓練機器人，在美國國防高等研究計畫署（DARPA）地下環境挑戰SubT的第一輪比賽中，獲得了第一名。這個地下挑戰的目的，是希望參賽者能夠發展支援地表下活動的技術，像是繪製地圖、導航或是搜尋複雜地下環境等。

地下環境包括了人造隧道系統、城市的地下道與天然洞穴網路，這些地下環境會以各種形式構成，可能具有規則或不規則的拓樸，範圍綿延數公里，有通風不良或是存在有毒氣體等危險，而這些條件都會使得救難人員的工作更加危險困難。

微軟使用AirSim為Team Explorer建造了一個高解析度的虛擬人造隧道迷宮，其複雜度以及規模堪比真實世界的隧道，讓Team Explorer可在這個虛擬隧道中，發展無人搜尋以及偵測技術，使機器人可以適應不同的天氣和照明條件，具備偵測地下地形的能力，並發現人類倖存者、背包或手機等物件。

要發展這樣的應用，需要多模式感知技術（Multimodal Perception），透過各種感測器同時偵測環境，以獲得完整的環境資訊，而由於AirSim能夠模擬各種感測器，特別是可以模擬光學雷達（LiDAR）的高密度點雲資訊，提供模擬環境的機器人各種訓練資料。微軟提到，現在沒有專門用於地下探勘的資料集，而且為地下環境建立真實的資料集非常昂貴，AirSim能夠創建接近實際地下環境，為地下應用快速的產生訓練資料。

另外，AirSim現在還被用在訓練動物盜獵無人機偵測系統。微軟、Air Shepherd和USC組織合作，開發搭載熱紅外線攝影機的無人機，在夜間巡邏國家公園搜尋盜獵者和動物，但這項專案有許多障礙需要克服，其中包括要建立這樣的系統，需要許多資料進行訓練和測試。

之前Air Shepherd花了6個月約800小時，為39,380個影格加上標籤，其中標記出了約18萬個盜獵者以及動物，這些資料被用來建立了一個雛形系統SPOT，但是卻難以達到可接受的精確度和召回率（Recall）。而現在他們使用AirSim產生訓練與測試資料，模擬無人機以60到120的高度飛越大草原，在白天與夜晚偵測盜獵者以及野生動物，透過AirSim的幫助，偵測系統的精確度提高了35.2%。