大多數(shù)自動駕駛汽車需要復(fù)雜的手工標記地圖

優(yōu)步最近的自駕車死亡事件凸顯了這項技術(shù)尚未做好廣泛采用的準備。一個原因是，自動駕駛汽車實際上可以駕駛的地方并不多。像谷歌這樣的公司只測試他們在主要城市的車隊，他們花了無數(shù)個小時精心標記車道，路緣，斜坡和停車標志的精確3D位置。

事實上，如果你住在數(shù)百萬英里的美國道路上，這些道路未鋪砌，沒有光線或不可靠的標記，那你就不走運了。這些街道通常要復(fù)雜得多，流量也要少得多，因此公司不太可能很快為他們開發(fā)3D地圖。從加利福尼亞州的莫哈韋沙漠到佛蒙特州的懷特山脈，有大量的美國自動駕駛汽車根本沒有準備好。

解決此問題的一種方法是創(chuàng)建足夠先進的系統(tǒng)，以便在沒有這些地圖的情 麻省理工學(xué)院計算機科學(xué)與人工智能實驗室(CSAIL)的一個重要的第一步是開發(fā)MapLite，這是一個新的框架，允許自動駕駛汽車在沒有3D地圖的情況下在以前從未進行過的道路上行駛。

MapLite將您在Google地圖上找到的簡單GPS數(shù)據(jù)與一系列觀察道路狀況的傳感器相結(jié)合。同時，這兩個元素使得團隊能夠在馬薩諸塞州Devens的多條未鋪砌的鄉(xiāng)村道路上自主駕駛，并提前可靠地探測到超過100英尺的道路。(作為與豐田研究所合作的一部分，研究人員使用豐田普銳斯，他們配備了一系列激光雷達和IMU傳感器。)

“這種'無地圖'方法以前沒有真正做過的原因是因為通常很難達到與詳細地圖相同的準確性和可靠性，”CSAIL研究生泰迪奧特說道。作者在一篇相關(guān)論文中。“像這樣的系統(tǒng)只能通過車載傳感器進行導(dǎo)航，這表明自動駕駛汽車能夠?qū)嶋H處理超出科技公司所映射的少數(shù)道路的潛力。”

該論文將于5月在澳大利亞布里斯班舉行的國際機器人與自動化會議(ICRA)上發(fā)表，由麻省理工學(xué)院教授Daniela Rus和博士研究生Liam Paull共同撰寫，他現(xiàn)在是該大學(xué)的助理教授。蒙特利爾。

這個怎么運作

對于自動駕駛汽車所取得的所有進步，與人類相比，他們的導(dǎo)航技術(shù)仍然顯得蒼白無力?？紤]一下你自己如何解決：如果你想到達一個特定的位置，你可能會將一個地址插入你的手機，然后偶爾在途中查詢它，比如當你接近十字路口或高速公路出口時。

但是，如果你像大多數(shù)自動駕駛汽車一樣穿越世界，那么你走路的時候基本上都會盯著你的手機。現(xiàn)有系統(tǒng)仍然嚴重依賴地圖，僅使用傳感器和視覺算法來避免行人和其他汽車等動態(tài)物體。

相比之下，MapLite使用傳感器進行導(dǎo)航的各個方面，僅依靠GPS數(shù)據(jù)來獲得汽車位置的粗略估計。該系統(tǒng)首先設(shè)定最終目的地和研究人員稱之為“本地導(dǎo)航目標”，該目標必須在汽車的視野范圍內(nèi)。然后，它的感知傳感器生成到達該點的路徑，使用LIDAR估計道路邊緣的位置。MapLite可以在沒有實際道路標記的情況下通過對道路如何比周圍區(qū)域相對更平坦做出基本假設(shè)來做到這一點。

“我們極簡主義的繪圖方法可以在鄉(xiāng)村道路上實現(xiàn)自動駕駛，使用當?shù)氐耐庥^和語義特征，例如停車位或小路的存在，”Rus說。

該團隊開發(fā)了一個“參數(shù)化”的模型系統(tǒng)，這意味著他們描述了一些有些相似的情況。例如，一個模型可能足夠廣泛，可以確定在交叉路口做什么，或者在特定類型的道路上做什么。

MapLite與其他無地圖駕駛方法不同，后者通過對來自一組道路的數(shù)據(jù)進行訓(xùn)練，然后在其他道路上進行測試，更多地依賴于機器學(xué)習(xí)。

“在一天結(jié)束時，我們希望能夠向汽車詢問'這個交叉路口有多少道路合并?'”Ort說。“通過使用建模技術(shù)，如果系統(tǒng)不起作用或參與事故，我們可以更好地理解原因。”

MapLite在很多方面仍然受到限制。對于山路來說，它還不夠可靠，因為它沒有考慮到海拔的劇烈變化。作為下一步，該團隊希望擴大車輛可以處理的各種道路。最終，他們渴望讓他們的系統(tǒng)達到與映射系統(tǒng)相當?shù)男阅芎涂煽啃运?，但范圍更廣。

“我想，未來的自動駕駛汽車將始終在城市地區(qū)使用3D地圖，”奧特說。“但是當被要求從人跡罕至的地方出發(fā)時，這些車輛在駕駛他們以前從未見過的陌生道路時需要和人類一樣好。我們希望我們的工作是朝著這個方向邁出的一步。”