大部分的無人駕駛汽車都被設(shè)計成平穩(wěn)、安全和舒適的行駛模式。這么開車除了有點(diǎn)無趣之外，你可能沒想過這其中也存在著安全隱患：比如你的無人駕駛汽車如果沒有一些狂野的開車經(jīng)驗(yàn)的話，那么它在路況環(huán)境復(fù)雜惡劣的地方可能就要掉鏈子。

在喬治亞理工學(xué)院，研究者們正在研發(fā)一種這樣的自動駕駛算法：它可以讓小型的無人駕駛汽車在渣土路面上以盡量的高速運(yùn)行。日前，在瑞典首都斯德哥爾摩舉行的2016年IEEE國際機(jī)器人和自動化大會上，他們就展示了部分成果，利用傳感器的實(shí)時反饋和操作系統(tǒng)的精準(zhǔn)處理，這款小型的無人駕駛汽車可以在保證其自身穩(wěn)定可控（起碼不能側(cè)翻）的前提下，以盡量高的速度行駛。

如上圖所示，這款只有真實(shí)汽車大小1/5的電動搜索工具就是這款無人駕駛拉力賽車，這輛車大約有1米長，21公斤重，最高時速可達(dá)100公里。車身結(jié)構(gòu)上模仿卡車和硬派SUV的非承載式車身，為了裝得下如GPS，IMU，車輪控制器，一對高速攝像機(jī)和一臺裝配有4核i7處理器、英偉達(dá)GTX750TI圖形處理器、32G內(nèi)存的超強(qiáng)悍電腦等諸多裝備，車身結(jié)構(gòu)借助3D打印技術(shù)做了很大程度的修改。再加上一個鋁制的高強(qiáng)度外殼的包裹，普通的甚至高強(qiáng)度的撞擊對于它來說都不成問題。

喬治亞理工學(xué)院的研究者們?yōu)榱藴y試軟件和硬件的實(shí)際情況，將迷你型的無人駕駛拉力賽車放置在一片渣土路面上，并且要盡可能地保持每秒鐘8米的速度而不發(fā)生碰撞。下面這段視頻（點(diǎn)擊此處觀看視頻）可能有點(diǎn)長，在視頻里，汽車大約從第2分鐘開始行駛，到5分鐘之后才發(fā)生了一些碰撞。

真正神奇的地方在于控制這臺無人駕駛拉力小車的油門和轉(zhuǎn)彎的算法，該算法并不是單純地把操作和預(yù)判分作兩個互相無關(guān)的個體，而是通過實(shí)時的車輛動力學(xué)原理，把這兩者有機(jī)地結(jié)合在了一起。一般來說，這只是一種高強(qiáng)度的計算罷了，可是喬治亞理工學(xué)院的團(tuán)隊(duì)能夠?qū)崟r的通過車上裝載的那顆高性能GPU，通常情況下在2560種不相同的運(yùn)行路線中挑出一種最優(yōu)的行駛路徑，這一點(diǎn)是相當(dāng)不容易的。并且，每一種路線選擇都只決定了接下來2.5秒內(nèi)的小車行駛路徑，然后這臺無人駕駛小車就不得不從頭開始重新計算挑選一次最優(yōu)的行駛路徑，這樣的計算頻率和強(qiáng)度差不多達(dá)到了每秒鐘60次的頻度。

在訓(xùn)練的初始階段，研究者們只是利用遠(yuǎn)程操作模式控制著小車在場地上平穩(wěn)地運(yùn)行幾圈，所有的后續(xù)精彩部分（比如漂移和甩尾）都是算法自己實(shí)現(xiàn)的。當(dāng)汽車的運(yùn)行速度超出了地表摩擦力所能承受的最大值時，這種狂野的駕駛風(fēng)格就顯得非常必要了，當(dāng)然，這對于毫無經(jīng)驗(yàn)的機(jī)器人駕駛員以及人類駕駛員來說，都是非常危險的。因此，不單單是出于好玩，當(dāng)摩擦力不夠用時，這種駕駛方式對于安全的重要性也是研究者們的驅(qū)動力之一。就好像人類職業(yè)車手在保持速度不減和安全性的極端條件下，能夠憑借自己的超高駕駛技巧做出一些精彩操作一樣，無人駕駛汽車也要能夠利用這一技巧來應(yīng)對惡劣的天氣和路況。

研究者們告訴我們說，視頻中的絕大多數(shù)碰撞都是因?yàn)檐浖陨沓隽藛栴}（注意這里不是算法出了問題），或者小車自身的硬件無法適應(yīng)渣土路面的顛簸造成的影響。這個視頻錄制之后，他們已經(jīng)升級了軟件系統(tǒng)來適應(yīng)一個更貼近實(shí)際情況的在動態(tài)變化中的路況環(huán)境。目前的這臺無人駕駛小車已經(jīng)可以在包括部分結(jié)冰的低摩擦路面到遍布大水坑的泥濘高摩擦路面在內(nèi)的各種復(fù)雜路況環(huán)境中連續(xù)行駛好幾個小時。

喬治亞理工學(xué)院的研究者們已經(jīng)把所有關(guān)于無人駕駛拉力小車的技術(shù)文檔以及軟件源代碼公開，他們希望其他研究自動駕駛的研究者們可以直接利用他們的研究成果。他們表示自己的代碼是符合開源規(guī)范和ROS兼容的，并且使用Gazebo機(jī)器人模擬器仿真調(diào)試通過。

我們真誠的希望這一算法有一天能發(fā)展得足夠成熟，得以放在一臺實(shí)際大小的汽車上應(yīng)用起來（當(dāng)然這可能會造成無人駕駛和駕駛員之間的一些競爭），這樣就能大大改善目前的無人駕駛技術(shù)在路況適應(yīng)性上的缺陷。不過，如果在使用這一算法時不巧也發(fā)生了碰撞事故，那么按照它的狂野駕駛風(fēng)格來看，估計碰撞強(qiáng)度也要遠(yuǎn)遠(yuǎn)大于目前的一般水平了。所以，沒有什么絕對的東西，事情都要分開兩面地看，就好像美國大部分州都不禁槍，原因就是這句名言：Guns Don’t Kill People, People Kill People.

由喬治亞理工學(xué)院的Grady Williams，Paul Drews，Brian Goldfain，James M. Rehg和Evangelos A. Theodorou等人撰寫的《基于預(yù)測性路徑積分控制模型的狂野駕駛分析》一文已經(jīng)在本周早些時候發(fā)表在2016年的IEEE國際機(jī)器人和自動化大會上。

Via IEEE-spectrum

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。