^平衡 | 圖^
規 與 矩****None沒有規矩，無以成方圓。對於一項學生課外科技競賽來講，更是如此。那麼什麼是全國大學生智能車競賽的規和矩呢？ 那就是比賽的賽道和計時系統。
在第13屆全國大學生智能車智能車競賽中，採用的是傳統的電磁感應式的計時系統。相比於最開始的對射激光（紅外）位置檢測器來說，它藏於賽道下面，因此被車模撞擊損壞的可能性大大降低了。同樣，安裝調試起來也比較方便。
但是，由於需要感應車模上的磁場的變化，所以需要車模上安裝有標記磁鐵。如果比賽中，車模沒有安裝，則可能造成無法準確計時。
^暗的環境光線對於計時器的測試 | 佟超供圖^
對於普通的車模，實際上利用車模上的電機、鎳鉻電池（鎳鉻也是鐵磁材料）所引起的磁場的變化，大部分情況下，都可以準確可靠的觸發計時系統。但對於無線節能組，由於車模是由選手自行製作，車模比較輕，在比賽中，就容易無法觸發計時系統了。
由於環境的複雜，在有的賽區中還出現了比賽系統多次被幹擾，被無線充電線圈干擾的情況。如何改進這種情況呢。
^強光下測試 | 佟超供圖^
北京科技大學智能車隊伍的
佟超同學提出了一個全新的概念，使用一條線性排列的光敏三極管來檢測車模經過的信息。並在不同的光線環境中做了一系列的對比實驗，證明這種方法靈敏可靠，適應性強。
也許在新的一屆比賽中，賽道上將會採用這種傳感器的方法，形成比賽的“規與矩”，並且可能進一步演化形成全自動裁判系統。
這種方案還可以獲得車模經過檢測點的位置信息，相對於以前比賽系統，只能夠檢測車模通過時間信息。
^獲得不同位置 | 佟超供圖^
根據車模經過檢測點的位置，可以反過來評價車模路徑規劃的精度。對於將來的全自動檢測系統來說，不僅可以獲得車模通行速度，而且可以大體得到車模的軌跡信息。這樣可以計算車模算法的軌跡優化指標，從而擴大未來比賽衡量的維度。
如下是該檢測板對於白色膠帶紙經過時檢測響應。可以看出該檢測方案的靈敏度很高。
^對於白色膠帶紙經過時的檢測響應 | 佟超供圖^
虛 與 實****None在智能車競賽網站（ZNCZZ）上，近日看到哈爾濱工業大學智能車俱樂部的同學給出了一套能夠自動生成競賽場地圖像的軟件。
該軟件可以根據任意設計的賽道元素，自動生成在不同位置，不同視角下的場地圖像。同時也可以給出在傳統智能車競賽攝像頭傳感器中採集到的賽道元素信息。在此基礎上，可以方便車模完成賽道信息處理和控制算法。
^自動賽道圖像生成軟件 | ZNCZZ網站^
通過這種方式，可以大大緩解傳統搭建競賽賽道在經費、場地、時間、人力等方面的壓力。可以對任意複雜、任意賽道元素組合情況進行完整的仿真。這可以使得開發出的智能車軟件再適應性上得到大幅度的提高。
這個思想在近期智能駕駛領域中，進行真實虛擬平行世界理論相符合。即通過構建與真實場景接近的虛擬世界，產生大量圖像數據，來完成對於車輛自動控制系統軟件開發，測試的要求。
通過強化學習產生的自動駕駛測試圖片
強化學習（Reinforcement Learning）是機器學習的一個熱門研究方向。強化學習較多的研究情景主要在機器人、遊戲與棋牌等方面，自動駕駛的強化學習研究中一大問題是很難在現實場景中進行實車訓練。因爲強化學習模型需要成千上萬次的試錯來迭代訓練，而真實車輛在路面上很難承受如此多的試錯。
虛擬世界（左）與真實世界（右）圖像分割算法
目前主流的關於自動駕駛的強化學習研究都集中在使用虛擬駕駛模擬器來進行代理（Agent）的仿真訓練，但這種仿真場景和真實場景有一定的差別，訓練出來的模型不能很好地泛化到真實場景中，也不能滿足實際的駕駛要求。
加州大學伯克利分校的 Xinlei Pan 等人提出了一種虛擬到現實（Virtual to Real）的翻譯網絡，可以將虛擬駕駛模擬器中生成的虛擬場景翻譯成真實場景，來進行強化學習訓練，取得了更好的泛化能力，並可以遷移學習應用到真實世界中的實際車輛，滿足真實世界的自動駕駛要求。
^智能駕駛 | 圖^
藉助於現在更加強大的嵌入式處理器，也許是時候引入機器學習方法進入智能車競賽中了。