[caption id="attachment_40604" align="aligncenter" width="800"] 自主汽车[/caption]

自主控制系统“学习”使用简单的地图和图像数据用来导航新的、复杂的路线。为了给自动驾驶汽车带来更人性化的推理，研究人员开发了一个系统，该系统只使用简单的地图和视觉数据，就能使无人驾驶汽车在新的、复杂的环境中导航。

麻省理工学院的研究人员为了给自动驾驶汽车带来更多人性化的推理方式，创造了一个系统，该系统只使用简单的地图和视觉数据，就能使无人驾驶汽车在新的、复杂的环境中导航。

人类驾驶者非常擅长在他们以前没有行驶过的道路上驾驶，我们只需将我们在周围看到的与我们在GPS设备上看到的相匹配，以确定我们在哪里以及我们需要去哪里。然而，无人驾驶汽车却在与这一基本推理作斗争。在每一个新的区域，汽车必须首先绘制地图，分析所有新的道路，这是非常耗时的。这些系统还依赖复杂的地图——通常是由三维扫描生成的——这些地图需要大量的计算才能实时生成和处理。

在本周举行的机器人与自动化国际会议上，麻省理工学院的研究人员在一篇论文中描述了一种自主控制系统，它只使用摄像机数据和一张简单的类似GPS的地图来“学习”驾驶员在小范围内行驶时的转向模式。然后，经过训练的系统可以模仿人类驾驶员，在一个全新的区域内，沿着计划的路线控制无人驾驶汽车。

与人类驾驶员类似，该系统还检测到地图和道路特征之间的不匹配。这有助于系统确定其位置、传感器或地图是否正确，以纠正汽车的行驶路线。

最初为了对该系统进行培训，一名操作人员控制了一辆无人驾驶的丰田普锐斯（Toyota Prius），该普锐斯配备了几个摄像头和一个基本的GPS导航系统，从当地郊区街道（包括各种道路结构和障碍物）收集数据。当自动部署时，系统成功地沿着预先规划好的路径在另一个森林区域（指定用于自动车辆测试）驾驶汽车。

麻省理工学院研究生亚历山大·阿米尼（AlexanderAmini）说：“有了我们的系统，你不必事先在每一条路上训练。”您可以下载一张新地图，让汽车在从未见过的道路上行驶。”

“我们的目标是实现在新环境中的自主导航，”论文合著者之一、计算机科学和人工智能实验室（CSAIL）主任Daniela Rus以及电子工程和计算机科学的Andrew和Erna Viterbi教授补充道。例如，如果我们训练一辆自动驾驶汽车在剑桥的城市环境中行驶，系统也应该能够自主在森林中平稳行驶，即使这是一个从未见过的环境。”

丰田研究所研究员盖伊·罗斯曼（Guy Rosman）和麻省理工学院（MIT）航空航天副教授塞塔克·卡拉曼（Sertac Karaman）也加入了Rus和Amini的行列。

点对点导航

传统的导航系统通过为定位、映射、目标检测、运动规划和转向控制等任务定制的多个模块处理来自传感器的数据。多年来，RUS的团队一直在开发“端到端”导航系统，该系统处理输入的感官数据和输出的转向命令，而不需要任何专门的模块。

然而，直到现在，这些模型都被严格设计为安全地沿着道路行驶，而不考虑任何目的地。在这篇新的论文中，研究人员将他们的端到端系统推进到一个新的高度，从一个目标到另一个目标。为了做到这一点，研究人员训练了他们的系统，使其能够在驾驶过程中的任何时刻预测所有可能的转向指令。



该系统使用卷积神经网络（CNN）机器学习模型，通常用于图像识别。在训练过程中，系统会从驾驶员身上观察并学习如何转向。CNN将方向盘旋转情况与通过摄像头和地图观察到的道路曲率关联起来。最后，它学习了各种驾驶情况下最可能的转向命令，例如直行道路、四向或T形交叉口。

“在一个T型交叉口，有许多不同的方向”罗斯说。“这个模型首先考虑所有这些方向，但是当它看到人们如何转向的数据时，它会看到一些人左转，一些人右转，但没有人直着走。直行方向被排除在外，所以模型能够了解到，在T形交叉口，它只能向左或向右移动。”

地图上写着什么？

在测试中，研究人员用随机选择的路线图输入系统。驾驶时，系统从摄像头中提取视觉特征，使其能够预测道路结构。例如，它将道路一侧的远处停车标志或分线标识做为即将到来的交叉口标志。它每时每刻都使用其预测的转向命令概率分布来选择最优路线。



研究人员说，重要的是，该系统易于存储和处理地图。自主控制系统通常使用激光雷达扫描来创建海量、复杂的地图，大约需要4000千兆字节的数据来存储城市地图。对于每个新的目的地，汽车必须创建新的地图，这相当于做了大量的数据处理。然而，该系统的研究人员使用的地图仅用40千兆字节的数据就可以捕捉到整个世界。

在自动驾驶过程中，系统还不断地将其视觉数据与地图数据匹配，并注意到任何不匹配的点。这样做有助于车辆更好地确定其在道路上的位置。而且，如果输入的信息相互矛盾，它可以确保汽车保持在最安全的路径上：例如，如果汽车在一条直线上行驶，没有转弯提示，但GPS指示汽车必须右转，那么汽车就会知道保持直行或停车。

“在现实世界中，传感器有时会失效，”阿米尼说“但我们希望通过构建一个能够接受这些噪声输入并仍能在道路上正确导航和定位自身的系统，来确保系统对不同传感器的不同故障能够更好地处理。”