酷播亮新聞
方向慄 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資料的精確度要求很高。
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，一路開到新罕布什爾州的懷特山脈，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資料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。
這是在一臺普通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，系統會設定兩個值，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，感知感測器採集的資料會用來生成一條路徑，及其中鐳射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，就是它獲取資訊的全部來源了。
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型別。
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裡。
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) 的合作專案，所以測試用車是一輛豐田普銳斯，搭載了一組鐳射雷達，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。
— 完 —