MIT自動駕駛導航系統，不看地圖也能穿梭鄉間野路

方向栗 發自 凹非寺

量子位 出品 | 公眾號 QbitAI

此前，Uber發生的致命車禍，似乎在大聲地強調，自動駕駛技術還沒有做好大規模落地的準備。畢竟，世界上並沒有很多地方，可以讓自動駕駛汽車放飛自我。

谷歌也只在幾座主要城市測試過自動駕駛汽車，卻已經在各種車道、路肩以及停車標誌的3D位置標註上，消耗了大量時間。因為，自動駕駛系統對位置數據的精確度要求很高。

汽車是靠地圖來了解自己所在的位置，然後判斷當下應該採取怎樣的動作。而麻省理工學院CSAIL實驗室的小夥伴們覺得，這樣自動駕駛汽車能去的地方就太少了——

在美國，只有67%的道路鋪了瀝青，而很多偏僻又樸素的小路就沒有。汽車走在一條被地圖忘記的鄉間小道，那裡沒有路燈，也沒有路標，就比較難過了。

這樣的路，很難畫起地圖，平時經過的車量也不多。所以，地圖公司就沒有什麼動力，去補全這些路段的三維地圖。

不過，開車從西到東穿越領土是許多美國人的喜好。比如，從加州的莫哈維沙漠，一路開到新罕布希爾州的懷特山脈，便是自動駕駛汽車目前無力完成的艱難旅途。

既然不是到處都有精確的地圖，就只能想出不用地圖也能導航的方法。

我想起，夕陽下的奔跑

CSAIL團隊開發了名為MapLite的一套框架，讓自動駕駛汽車在「查無此路」的小道上，拋開三維地圖的束縛，自在地奔跑。

MapLite把GPS數據和一組用來檢測周圍道路情況的感測器結合在一起。這樣一來，自動駕駛汽車便得以在馬薩諸塞州的蜿蜒小路上，悠然地前行。

說悠然，是因為系統最遠可以準確偵察好，前方35米處的路況。也就是說，即便開到100公里時速也不成問題。

這是在一台普通PC上 (頻率5Hz) 跑出的結果。如果用GPU的話，汽車或許還可以開得更快。

這個高效的導航方案，工作步驟是這樣的——

首先，系統會設置兩個值，一是最終目的地，二是「本地導航目標(local navigation goal) 」，後者要在汽車的視線範圍之內。

而後，感知感測器採集的數據會用來生成一條路徑，及其中激光雷達負責估計道路邊緣的位置。

值得注意的是，MapLite不依靠任何道路標誌，只要感受到周圍的凹凸不平，就知道怎樣才能畫出一條相對平緩的路。

二者不可得兼？

依靠三維地圖導航的自動駕駛系統，只有在躲避障礙物的時候才會用到感測器和視覺演算法。

相比之下，MapLite全方位依賴感測器，再加上GPS，就是它獲取信息的全部來源了。

至於，為什麼無地圖導航系統以前很少有人做，CSAIL團隊認為，那是因為這類方案的準確度很難滿足人類的期待。

如今，研究人員對MapLite的準確度表示了初步的欣喜，但還是希望拓展它能夠駕馭的道路類型。

畢竟，系統目前還應付不了山路，因為它暫時沒有把海拔的劇烈變化考慮在路徑規劃里。

CSAIL的終極目標是，讓無地圖導航方案的準確度和地圖導航方法相當，又能比地圖導航走得更遠。

那時，在城區自動駕駛汽車可以用三維地圖導航，到了陌生的鄉野還能像人類司機那樣自如地開車。

One More Thing

這項研究是MIT和豐田研究院(TRI) 的合作項目，所以測試用車是一輛豐田普銳斯，搭載了一組激光雷達，以及一組慣性測量單元。

本月，CSAIL團隊便會出席在澳大利亞布里斯班舉辦的機器人與自動化會議 (ICRA) ，介紹關於MapLite的研究成果。

論文傳送門：

https://toyota.csail.mit.edu/sites/default/files/documents/papers/ICRA2018_AutonomousVehicleNavigationRuralEnvironment.pdf

—完—

活動報名

加入社群

量子位AI社群16群開始招募啦，歡迎對AI感興趣的同學，加小助手微信qbitbot6入群；

此外，量子位專業細分群(自動駕駛、CV、NLP、機器學習等)正在招募，面向正在從事相關領域的工程師及研究人員。

進群請加小助手微信號qbitbot6，並務必備註相應群的關鍵詞~通過審核後我們將邀請進群。（專業群審核較嚴，敬請諒解）

誠摯招聘

量子位正在招募編輯/記者，工作地點在北京中關村。期待有才氣、有熱情的同學加入我們！相關細節，請在量子位公眾號(QbitAI)對話界面，回復「招聘」兩個字。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！