另闢蹊徑！MIT的無人車沒地圖照樣穿越鄉村

本文由人工智慧觀察編譯

譯者：Sandy

自動駕駛汽車一直都是科技巨頭們押注於人工智慧技術的重點領域，但顯然，最近這個領域不是很太平。

繼今年3月Uber無人車撞死一名行人後，自動駕駛領域又發生了一起事故，只不過主人公換成了谷歌母公司Alphabet 旗下的Waymo。幸運的是，Waymo無需為此次事故負責。

對於這次的事故，地方新聞台的現場錄像顯示，事故發生時Waymo的自動駕駛車在正常行駛，相鄰對向車道上一輛由人駕駛的銀灰色轎車因為緊急躲避其右側車輛，偏離了行駛方向。由於車速較快，最後直直地撞向了Waymo無人車。

另外，根據Waymo車載攝像頭拍下的情況，進一步證明，從責任的角度看，Waymo無需為這起事故承擔責任。

雖然，近期無人車事故連連，但這並未阻止研究員們前進的腳步。為了讓無人車可以在更多的地方進行安全駕駛，MIT CSAIL（麻省理工學院計算機科學與人工智慧實驗室）今天宣布推出了一款針對鄉間小路的無人車。

為什麼是針對鄉間小路的呢？一般來說，科技公司都會選擇在大城市道路上進行自動駕駛汽車測試，畢竟他們需要具備標籤的3D地圖來識別車速限制、車道以及其他的標誌。而這些往往在偏遠地區里，是無法實現的，因為這些地區根本不會有類似的標誌出現。換句話說，巨頭們的無人車進入了鄉村領域，有極大的可能無法發揮其「功力」。

對此，MIT CSAIL提出了一個相應的解決方案。其研究員在豐田的幫助下，開發了一個新的框架——MapLite，可以實現在沒有3D地圖的情況下，進行道路識別。

MapLite將可在谷歌地圖上找到的GPS數據與一系列可觀察路況的感測器結合在一起，使得該車輛可以在鄉村道路上進行自主駕駛，並在提前100英尺以上的時候可靠地探測道路。

對於目前自動駕駛領域取得的進展，說實話，導航技術仍有些不給力。現有的系統依然嚴重依賴於地圖，只使用感測器和視覺演算法來避免杏仁或者其他的動態物體。相比之下，MapLite使用感測器進行導航，依靠GPS數據對汽車位置進行粗略估計。

該系統首先設定了最終目的地以及研究員所說的「局部導航目標」，當然，這必須是在汽車的視野之內的。其感知感測器會產生一條到達這個目的地的路徑，同時利用激光雷達來預測道路邊緣的位置。基於道路比周圍地區相對平坦的假設，MapLite可以在沒有物理道路標記的情況下做到這一點。

另外，該團隊還開發了一種「參數化」的模型系統，這也就意味著他們描述了一些相似的情況。舉個例子，一個模型可能足夠寬泛，可以決定在十字路口怎麼做或者在某些特定的道路上怎麼做。

MapLite與其他無地圖驅動方式不同，它們更多地依賴於機器學習，通過一組道路的數據進行培訓，然後在其他道路上進行測試。

當然，現在這個系統也存在一些不足，比如，無法應對上路以及海拔等的急劇變化。接下來，該團隊希望擴大其無人車可以駕馭的各種道路。最後，他們希望自己的系統能夠達到與地圖系統相同的性能和可靠性，但範圍要更廣。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！