為無人駕駛的汽車導(dǎo)航帶來人性化的推理

為了給自動(dòng)駕駛汽車帶來更多類似人類的推理，麻省理工學(xué)院的研究人員創(chuàng)建了一個(gè)系統(tǒng)，該系統(tǒng)僅使用簡單的地圖和視覺數(shù)據(jù)，使無人駕駛汽車能夠在新的復(fù)雜環(huán)境中導(dǎo)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(nèi)容與我們在GPS設(shè)備上看到的內(nèi)容進(jìn)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(gè)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(shí)。這些系統(tǒng)還依賴于復(fù)雜的地圖 - 通常由3-D掃描生成 - 這些地圖在計(jì)算上非常密集，可以動(dòng)態(tài)生成和處理。

在本周舉行的機(jī)器人與自動(dòng)化國際會(huì)議上發(fā)表的一篇論文中，麻省理工學(xué)院的研究人員描述了一種自動(dòng)控制系統(tǒng)，它可以“學(xué)習(xí)”人類駕駛員在小區(qū)域內(nèi)行駛道路時(shí)的轉(zhuǎn)向模式，僅使用來自攝像機(jī)饋送的數(shù)據(jù)和簡單的類似GPS的地圖。然后，受過訓(xùn)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(jì)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(xùn)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(gè)攝像頭和一個(gè)基本的GPS導(dǎo)航系統(tǒng) - 從當(dāng)?shù)亟紖^(qū)街道收集數(shù)據(jù)，包括各種道路結(jié)構(gòu)和障礙物。當(dāng)自主部署時(shí)，系統(tǒng)成功地沿著預(yù)定路徑在不同的森林區(qū)域中導(dǎo)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(jìn)行訓(xùn)練，”麻省理工學(xué)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(jìn)行導(dǎo)航。”

“我們的目標(biāo)是實(shí)現(xiàn)對于在新環(huán)境中駕駛而言非常強(qiáng)大的自主導(dǎo)航，”共同作者Daniela Rus，計(jì)算機(jī)科學(xué)和人工智能實(shí)驗(yàn)室(CSAIL)主任以及Andrew和Erna Viterbi電氣工程和計(jì)算機(jī)科學(xué)教授補(bǔ)充說。 。“例如，如果我們培訓(xùn)一輛自動(dòng)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(yīng)該能夠在樹林中順利駕駛，即使這是一個(gè)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(xué)院航空航天學(xué)副教授Sertac Karaman。

點(diǎn)對點(diǎn)導(dǎo)航

傳統(tǒng)導(dǎo)航系統(tǒng)通過多個(gè)模塊處理來自傳感器的數(shù)據(jù)，這些模塊是為定位，映射，物體檢測，運(yùn)動(dòng)規(guī)劃和轉(zhuǎn)向控制等任務(wù)而定制的。多年來，Rus的團(tuán)隊(duì)一直在開發(fā)“端到端”導(dǎo)航系統(tǒng)，該系統(tǒng)處理輸入的傳感數(shù)據(jù)和輸出轉(zhuǎn)向命令，無需任何專用模塊。

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

該系統(tǒng)使用稱為卷積神經(jīng)網(wǎng)絡(luò)(CNN)的機(jī)器學(xué)習(xí)模型，通常用于圖像識別。在訓(xùn)練期間，系統(tǒng)會(huì)觀察并學(xué)習(xí)如何駕駛?cè)祟愸{駛員。CNN將方向盤旋轉(zhuǎn)與通過攝像機(jī)和輸入的地圖觀察到的道路曲率相關(guān)聯(lián)。最終，它為各種駕駛情況學(xué)習(xí)最可能的轉(zhuǎn)向命令，例如直道，四向或T形交叉點(diǎn)，叉和旋轉(zhuǎn)。

“最初，在T形交叉路口，汽車可以轉(zhuǎn)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(guān)于人們做什么的數(shù)據(jù)，它會(huì)看到有些人向左轉(zhuǎn)，有些人向右轉(zhuǎn)，但沒有人走直線。直截了當(dāng)被排除在外方向，模型得知，在T形交叉點(diǎn)，它只能向左或向右移動(dòng)。“

地圖說什么?

在測試中，研究人員使用隨機(jī)選擇的路線輸入系統(tǒng)。駕駛時(shí)，系統(tǒng)從攝像機(jī)中提取視覺特征，使其能夠預(yù)測道路結(jié)構(gòu)。例如，它識別道路一側(cè)的遠(yuǎn)程停車標(biāo)志或換行符，作為即將到來的交叉路口的標(biāo)志。在每個(gè)時(shí)刻，它使用其預(yù)測的轉(zhuǎn)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(dá)掃描來創(chuàng)建大規(guī)模，復(fù)雜的地圖，大約需要4,000千兆字節(jié)(4太字節(jié))的數(shù)據(jù)來存儲舊金山市。對于每個(gè)新目的地，汽車必須創(chuàng)建新的地圖，這相當(dāng)于大量的數(shù)據(jù)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(shù)據(jù)捕獲整個(gè)世界。

在自動(dòng)駕駛期間，系統(tǒng)還連續(xù)地將其視覺數(shù)據(jù)與地圖數(shù)據(jù)匹配并記錄任何不匹配。這樣做有助于自動(dòng)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(zhuǎn)彎的直道上巡航，并且GPS指示汽車必須向右轉(zhuǎn)，汽車將知道保持直行或停車。

“在現(xiàn)實(shí)世界中，傳感器確實(shí)會(huì)失敗，”Amini說。“我們希望通過構(gòu)建一個(gè)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(dǎo)航和定位。”