MIT 展示新演算法，自動駕駛汽車學會更安全，更主動地變道

在自動駕駛汽車領域，變道演算法一直是研究焦點之一。目前的變道演算法有兩大缺陷。要麼，它們依賴環境的詳細統計模型，既難以構建，反應速度也不夠快；要麼，它們太簡單，以至於只能做出過於保守的決策——永遠不變道，這同樣無法接受。

在近日舉行的國際機器人和自動化會議（International Conference on Robotics and Automation）上，麻省理工學院計算機科學和人工智慧實驗室（CSAIL）的研究人員展示了一種新的自動駕駛汽車變道演算法。該演算法較簡單演算法，能更主動地進行變道，但是只依賴於當下的環境信息——周邊其他車輛的行使速度方向和大小，無需複雜的統計模型。

CSAIL 博士後和論文第一作者 Alyssa Pierson 表示，該演算法的設計思想是用儘可能少的信息做出變道決策——就像人類駕駛員那樣。

團隊負責人 Rus 表示，最好的解決方法當然是對從保守到主動的各種變道風格建模，當然還要考慮安全空間。

自動駕駛汽車避障的標準演算法是計算周圍其他車輛周圍的安全空間。安全空間不僅描述了各輛汽車當下的位置，還必須對它們將來的位置進行短期預測。因此，變道決策實際上是一個計算車輛的安全空間的問題。

基於描述路況的數學模型，可以檢驗變道演算法的避撞性能。安全區的計算很耗時，因此演算法一般會提前計算並存儲各種典型情況下的安全空間，然後在行使時，根據感知到的當前環境，調用對應的安全空間參數。

然而問題在於，當道路上車速足夠高，且密度足夠大時，保守的預先計算會認為沒有足夠的安全空間。此時，自動駕駛汽車只能一直不變道，但是人類司機卻可以在這種情況下輕鬆變道。

MIT 新演算法的改進在於：如果當前的默認安全空間模型導致汽車的變道能力低於人類駕駛員，則系統會實時計算新的安全空間。

該演算法的關鍵是設計足夠高效的演算法來計算安全空間，否則無法應對多變的路況。研究人員基於高斯分布，描述了車輛的當前位置、車輛長度和其位置的不確定性。

接著，基於車輛速度方向和大小的估計，研究人員構建了一個 logistic 函數。高斯分布和 logistic 函數的乘積，使得高斯分布的峰值向汽車的運動方向偏移，速度越快，偏移幅度越大。

偏斜分布定義了車輛的新安全空間。該數學描述足夠簡單，只有幾個變數，因此完全可以進行實時計算。研究人員在有幾百輛汽車的模擬環境中，測試了 16 輛自動駕駛汽車的避撞性能。

Pierson 表示：各輛自動駕駛汽車之間沒有通訊聯繫，只依靠各自的演算法進行變道和避障。每輛自動駕駛汽車使用不同的風險閾值，生成不同的駕駛風格，相當於保守和主動變道的人類司機。靜態演算法的預先計算安全空間只能允許保守駕駛，而新演算法對主動變道的支持程度大得多。

電子工程和計算機科學維特比教授 Daniela Rus 、航空學副教授 Sertac Karaman、電子工程和計算機科學研究生 Wilko Schwarting 也參與了該工作。豐田汽車研究所和海軍研究實驗室為該研究項目提供了部分資助。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！