創造能夠做出類似人類決策的自動駕駛汽車一直是 Waymo、GM Cruise、Uber 等公司的長期目標。 英特爾Mobileye 提供了一種責任敏感安全(RSS) 數學模型，該公司將其描述為一種「常識」方法，其特點是對自動駕駛儀進行編程，使其以「良好」的方式運行，例如為其他汽車讓路。 另一方面，NVIDIA正在積極開發安全力場，這是一種基於系統的決策技術，透過即時分析車輛感測器的數據來監控周圍道路使用者的不安全行為。 現在，來自麻省理工學院（MIT）的一組科學家加入了這項研究，提出了一種基於使用類似GPS 的地圖和從安裝在汽車上的攝影機獲得的視覺數據的新方法，使自動駕駛儀能夠在未知的情況下進行導航道路與人相似。
人們非常擅長在以前從未走過的道路上駕駛汽車。 我們只需將周圍看到的內容與 GPS 裝置上看到的內容進行比較，即可確定我們所在的位置以及需要前往的地方。 另一方面，自動駕駛汽車發現在未知的路段行駛極為困難。 對於每個新地點，自動駕駛儀都需要仔細分析新路線，而自動控制系統通常依賴供應商提前為其準備的複雜3D地圖。
在本週國際機器人與自動化會議上發表的一篇論文中，麻省理工學院的研究人員描述了一種自動駕駛系統，該系統僅使用數據即可「學習」並記住人類駕駛員在小城市地區的道路上行駛時的決策模式。相機和一個簡單的類似 GPS 的地圖。 經過訓練的自動駕駛儀可以在全新的位置駕駛無人駕駛汽車，模擬人類駕駛。
就像人類一樣，自動駕駛儀也會偵測其地圖和道路特徵之間的任何差異。 這有助於系統確定其在道路、感測器或地圖上的位置是否不正確，以便糾正車輛的路線。
為了最初訓練該系統，一名操作員駕駛一輛配備多個攝影機和基本 GPS 導航系統的自動豐田普銳斯，從當地郊區街道收集數據，包括各種道路結構和障礙物。 然後，該系統成功地駕駛汽車沿著另一個森林地區預先計劃的路線行駛，該森林地區旨在測試自動駕駛汽車。
「使用我們的系統，您不必提前在每條道路上進行訓練，」研究作者、麻省理工學院研究生亞歷山大·阿米尼 (Alexander Amini) 說道。 “你可以為你的汽車下載一張新地圖，以便在以前從未見過的道路上導航。”
「我們的目標是創建能夠適應新環境中駕駛的自主導航，」合著者、電腦科學和人工智慧實驗室 (CSAIL) 主任 Daniela Rus 補充道。 「例如，如果我們訓練一輛自動駕駛汽車在劍橋街道等城市環境中行駛，那麼該系統也必須能夠在森林中平穩行駛，即使它以前從未見過這樣的環境。”
傳統導航系統透過多個模組處理感測器數據，這些模組配置用於定位、地圖繪製、物件偵測、運動規劃和轉向等任務。 多年來，丹妮拉的團隊一直在開發端到端導航系統，無需任何專門的模組即可處理感測器數據並控制汽車。 然而，到目前為止，這些模型一直被嚴格用於道路上的安全行駛，沒有任何真正的目的。 在這項新工作中，研究人員改進了他們的端到端系統，以便在以前未知的環境中實現從目標到目的地的移動。 為此，科學家訓練他們的自動駕駛儀在駕駛時隨時預測所有可能的控制命令的完整機率分佈。
該系統使用稱為卷積神經網路 (CNN) 的機器學習模型，通常用於影像辨識。 在訓練過程中，系統會觀察人類駕駛者的駕駛行為。 CNN 將方向盤轉向與道路曲率聯繫起來，這是透過攝影機和小地圖觀察到的。 因此，系統可以學習各種駕駛情況下最可能的轉向命令，例如直路、四向交叉路口或丁字路口、岔路口和轉彎。
「最初在丁字路口，汽車可以轉向許多不同的方向，」羅斯說。 「模型首先考慮所有這些方向，隨著CNN 獲得越來越多的關於人們在道路上某些情況下所做的事情的數據，它會看到一些司機左轉，另一些司機右轉，但沒有人直接走。 直線運動被排除為可能的方向，模型得出的結論是，在丁字路口它只能向左或向右移動。”
在駕駛時，CNN 還會從攝影機中提取視覺道路特徵，使其能夠預測可能的路線變化。 例如，它將路邊的紅色停車標誌或虛線識別為即將到來的十字路口的標誌。 在每一時刻，它都使用控制命令的預測機率分佈來選擇最正確的命令。
值得注意的是，根據研究人員的說法，他們的自動駕駛儀使用的地圖非常容易儲存和處理。 自主控制系統通常使用雷射雷達地圖，僅儲存舊金山市就需要約 4000 GB 的資料。 對於每個新目的地，汽車必須使用和創建新地圖，這需要大量記憶體。 另一方面，新的Autopilot所使用的地圖涵蓋了整個世界，而僅佔用40GB的資料。
在自動駕駛過程中，系統也會不斷將其視覺數據與地圖數據進行比較，並標記任何差異。 這有助於自動駕駛車輛更好地確定其在道路上的位置。 這可以確保汽車保持在最安全的路徑上，即使它收到相互衝突的輸入資訊：例如，如果汽車在沒有轉彎的筆直道路上行駛，並且 GPS 指示汽車應該右轉，那麼汽車就會知道直走或停車。
「在現實世界中，感測器會發生故障，」阿米尼說。 “我們希望透過創建一個可以接收任何噪音信號並仍然正確導航道路的系統，確保我們的自動駕駛儀能夠適應各種感測器故障。”
來源： 3dnews.ru