為無人駕駛的汽車導航帶來人性化的推理

為了給自動駕駛汽車帶來更多類似人類的推理，麻省理工學院的研究人員創(chuàng)建了一個系統(tǒng)，該系統(tǒng)僅使用簡單的地圖和視覺數據，使無人駕駛汽車能夠在新的復雜環(huán)境中導航。

通過觀察和簡單的工具，人類駕駛員非常善于駕駛以前沒有駕駛過的道路。我們只是將我們周圍看到的內容與我們在GPS設備上看到的內容進行匹配，以確定我們的位置以及我們需要去的地方。然而，無人駕駛汽車在這種基本推理中掙扎。在每個新區(qū)域，汽車必須首先映射和分析所有新道路，這非常耗時。這些系統(tǒng)還依賴于復雜的地圖 - 通常由3-D掃描生成 - 這些地圖在計算上非常密集，可以動態(tài)生成和處理。

在本周舉行的機器人與自動化國際會議上發(fā)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控制系統(tǒng)，它可以“學習”人類駕駛員在小區(qū)域內行駛道路時的轉向模式，僅使用來自攝像機饋送的數據和簡單的類似GPS的地圖。然后，受過訓練的系統(tǒng)可以通過模仿人類駕駛員來控制沿著全新區(qū)域中的計劃路線的無人駕駛汽車。

與人類駕駛員類似，系統(tǒng)還可以檢測其地圖與道路特征之間的任何不匹配。這有助于系統(tǒng)確定其位置，傳感器或映射是否不正確，以便糾正汽車的航向。

為了最初訓練系統(tǒng)，一名操作人員控制了無人駕駛的豐田普銳斯 - 配備了幾個攝像頭和一個基本的GPS導航系統(tǒng) - 從當地郊區(qū)街道收集數據，包括各種道路結構和障礙物。當自主部署時，系統(tǒng)成功地沿著預定路徑在不同的森林區(qū)域中導航汽車，該區(qū)域被指定用于自主車輛測試。

“通過我們的系統(tǒng)，你不需要事先在每條道路上進行訓練，”麻省理工學院的第一作者亞歷山大·阿米尼說。“你可以下載一張新的汽車地圖，以便在以前從未見過的道路上進行導航。”

“我們的目標是實現對于在新環(huán)境中駕駛而言非常強大的自主導航，”共同作者Daniela Rus，計算機科學和人工智能實驗室(CSAIL)主任以及Andrew和Erna Viterbi電氣工程和計算機科學教授補充說。 。“例如，如果我們培訓一輛自動駕駛汽車在城市環(huán)境中駕駛，例如劍橋街道，那么該系統(tǒng)也應該能夠在樹林中順利駕駛，即使這是一個前所未有的環(huán)境。”

加入Rus和Amini的是豐田研究所的研究員Guy Rosman和麻省理工學院航空航天學副教授Sertac Karaman。

點對點導航

傳統(tǒng)導航系統(tǒng)通過多個模塊處理來自傳感器的數據，這些模塊是為定位，映射，物體檢測，運動規(guī)劃和轉向控制等任務而定制的。多年來，Rus的團隊一直在開發(fā)“端到端”導航系統(tǒng)，該系統(tǒng)處理輸入的傳感數據和輸出轉向命令，無需任何專用模塊。

然而，到目前為止，這些模型都經過嚴格設計，可以安全地沿著道路前進，沒有任何真正的目的地。在新的論文中，研究人員在一個以前看不見的環(huán)境中推進了他們的端到端系統(tǒng)，從目標到目的地。為此，研究人員訓練他們的系統(tǒng)在駕駛時的任何特定時刻預測所有可能的轉向命令的完整概率分布。

該系統(tǒng)使用稱為卷積神經網絡(CNN)的機器學習模型，通常用于圖像識別。在訓練期間，系統(tǒng)會觀察并學習如何駕駛人類駕駛員。CNN將方向盤旋轉與通過攝像機和輸入的地圖觀察到的道路曲率相關聯。最終，它為各種駕駛情況學習最可能的轉向命令，例如直道，四向或T形交叉點，叉和旋轉。

“最初，在T形交叉路口，汽車可以轉向許多不同的方向，”羅斯說。“該模型首先考慮所有這些方向，但隨著它看到越來越多關于人們做什么的數據，它會看到有些人向左轉，有些人向右轉，但沒有人走直線。直截了當被排除在外方向，模型得知，在T形交叉點，它只能向左或向右移動。“

地圖說什么?

在測試中，研究人員使用隨機選擇的路線輸入系統(tǒng)。駕駛時，系統(tǒng)從攝像機中提取視覺特征，使其能夠預測道路結構。例如，它識別道路一側的遠程停車標志或換行符，作為即將到來的交叉路口的標志。在每個時刻，它使用其預測的轉向命令概率分布來選擇最可能遵循其路線的概率分布。

重要的是，研究人員說，該系統(tǒng)使用易于存儲和處理的地圖。自主控制系統(tǒng)通常使用激光雷達掃描來創(chuàng)建大規(guī)模，復雜的地圖，大約需要4,000千兆字節(jié)(4太字節(jié))的數據來存儲舊金山市。對于每個新目的地，汽車必須創(chuàng)建新的地圖，這相當于大量的數據處理。然而，研究人員系統(tǒng)使用的地圖僅使用40千兆字節(jié)的數據捕獲整個世界。

在自動駕駛期間，系統(tǒng)還連續(xù)地將其視覺數據與地圖數據匹配并記錄任何不匹配。這樣做有助于自動駕駛汽車更好地確定它在道路上的位置。并且它確保汽車保持在最安全的路徑，如果它被輸入矛盾的輸入信息：如果，例如，汽車在沒有轉彎的直道上巡航，并且GPS指示汽車必須向右轉，汽車將知道保持直行或停車。

“在現實世界中，傳感器確實會失敗，”Amini說。“我們希望通過構建一個能夠接受這些噪聲輸入的系統(tǒng)來確保系統(tǒng)對不同傳感器的不同故障具有魯棒性，并且仍能在路上正確導航和定位。”