创造能够做出类似人类决策的自动驾驶汽车一直是 Waymo、GM Cruise、Uber 等公司的长期目标。 英特尔 Mobileye 提供了一种责任敏感安全 (RSS) 数学模型，该公司将其描述为一种“常识”方法，其特点是对自动驾驶仪进行编程，使其以“良好”的方式运行，例如为其他汽车让路。 另一方面，NVIDIA正在积极开发安全力场，这是一种基于系统的决策技术，通过实时分析车辆传感器的数据来监控周围道路使用者的不安全行为。 现在，来自麻省理工学院（MIT）的一组科学家加入了这项研究，提出了一种基于使用类似 GPS 的地图和从安装在汽车上的摄像头获得的视觉数据的新方法，使自动驾驶仪能够在未知的情况下进行导航道路与人相似。
人们非常擅长在以前从未走过的道路上驾驶汽车。 我们只需将周围看到的内容与 GPS 设备上看到的内容进行比较，即可确定我们所在的位置以及需要前往的地方。 另一方面，自动驾驶汽车发现在未知的路段行驶极其困难。 对于每个新地点，自动驾驶仪都需要仔细分析新路线，而自动控制系统通常依赖于供应商提前为其准备的复杂3D地图。
在本周国际机器人与自动化会议上发表的一篇论文中，麻省理工学院的研究人员描述了一种自动驾驶系统，该系统仅使用数据即可“学习”并记住人类驾驶员在小城市地区的道路上行驶时的决策模式。相机和一个简单的类似 GPS 的地图。 经过训练的自动驾驶仪可以在全新的位置驾驶无人驾驶汽车，模拟人类驾驶。
就像人类一样，自动驾驶仪也会检测其地图和道路特征之间的任何差异。 这有助于系统确定其在道路、传感器或地图上的位置是否不正确，以便纠正车辆的路线。
为了最初训练该系统，一名操作员驾驶一辆配备多个摄像头和基本 GPS 导航系统的自动丰田普锐斯，从当地郊区街道收集数据，包括各种道路结构和障碍物。 然后，该系统成功地驾驶汽车沿着另一个森林地区预先计划的路线行驶，该森林地区旨在测试自动驾驶汽车。
“使用我们的系统，您不必提前在每条道路上进行训练，”研究作者、麻省理工学院研究生亚历山大·阿米尼 (Alexander Amini) 说道。 “你可以为你的汽车下载一张新地图，以便在以前从未见过的道路上导航。”
“我们的目标是创建能够适应新环境中驾驶的自主导航，”合著者、计算机科学和人工智能实验室 (CSAIL) 主任 Daniela Rus 补充道。 “例如，如果我们训练一辆自动驾驶汽车在剑桥街道等城市环境中行驶，那么该系统也必须能够在森林中平稳行驶，即使它以前从未见过这样的环境。”
传统导航系统通过多个模块处理传感器数据，这些模块配置用于定位、地图绘制、物体检测、运动规划和转向等任务。 多年来，丹妮拉的团队一直在开发端到端导航系统，无需任何专门的模块即可处理传感器数据并控制汽车。 然而，到目前为止，这些模型一直被严格用于道路上的安全行驶，没有任何真正的目的。 在这项新工作中，研究人员改进了他们的端到端系统，以便在以前未知的环境中实现从目标到目的地的移动。 为此，科学家训练他们的自动驾驶仪在驾驶时随时预测所有可能的控制命令的完整概率分布。
该系统使用称为卷积神经网络 (CNN) 的机器学习模型，通常用于图像识别。 在训练过程中，系统会观察人类驾驶员的驾驶行为。 CNN 将方向盘转向与道路曲率联系起来，这是通过摄像头和小地图观察到的。 因此，系统可以学习各种驾驶情况下最可能的转向命令，例如直路、四向交叉路口或丁字路口、岔路口和转弯。
“最初，在丁字路口，汽车可以转向许多不同的方向，”罗斯说。 “该模型首先考虑所有这些方向，随着 CNN 获得越来越多的关于人们在道路上某些情况下所做的事情的数据，它会看到一些司机左转，另一些司机右转，但没有人直接走。 直线前进被排除为可能的方向，模型得出的结论是，在丁字路口它只能向左或向右移动。”
在驾驶时，CNN 还会从摄像头中提取视觉道路特征，使其能够预测可能的路线变化。 例如，它将路边的红色停车标志或虚线识别为即将到来的十字路口的标志。 在每一时刻，它都使用控制命令的预测概率分布来选择最正确的命令。
值得注意的是，根据研究人员的说法，他们的自动驾驶仪使用的地图非常容易存储和处理。 自主控制系统通常使用激光雷达地图，仅存储旧金山市就需要约 4000 GB 的数据。 对于每个新目的地，汽车必须使用和创建新地图，这需要大量内存。 另一方面，新的Autopilot使用的地图覆盖了整个世界，而仅占用40GB的数据。
在自动驾驶过程中，系统还会不断将其视觉数据与地图数据进行比较，并标记任何差异。 这有助于自动驾驶车辆更好地确定其在道路上的位置。 这可以确保汽车保持在最安全的路径上，即使它收到相互冲突的输入信息：例如，如果汽车在没有转弯的笔直道路上行驶，并且 GPS 指示汽车应该右转，那么汽车就会知道直走或停车。
“在现实世界中，传感器会发生故障，”阿米尼说。 “我们希望通过创建一个可以接收任何噪音信号并仍然正确导航道路的系统，确保我们的自动驾驶仪能够适应各种传感器故障。”
来源： 3dnews.ru