在无人驾驶汽车领域,控制汽车变道的算法是一个非常重要的研究课题。但现在大多数的汽车变道算法都存在着以下两个缺点:或者过分依赖驾驶环境的详细统计模型,不仅很难收集,也因为非常复杂无法在行驶中进行分析;或者过分简单,以至于它们会采取不切实际的保守政策,例如一直都不变道。
在今年的国际机器人与自动化会议上,麻省理工学院(MIT)计算科学与人工智能实验室(CSAIL)的研究人员介绍了一种新的车道变换算法,改变了目前的这种现状。与简单模型相比,它允许进行更激进的车道变换,但只依赖其他车辆的方向和速度的即时信息来做出决定。
CSAIL的博士后、新文章的第一作者Alyssa Pierson说,“研究的动机是‘依靠尽可能少的信息,我们可以做什么?’我们如何才能让无人驾驶汽车表现得跟人类驾驶员的行为一样?无人驾驶汽车要表现得跟人类一样需要最少的信息量是多少?”
Pierson加入了电子工程和计算机科学学院Viterbi教授Daniela Rus的论文; 该论文的作者还有航空和航天副教授Sertac Karaman和电气工程和计算机科学专业的研究生Wilko Schwarting。
CSAIL主任Rus表示,“优化解决方案将确保导航与车道变化,可以模拟整个范围的驾驶风格,从保守到积极,并提供安全保证。”
无人驾驶汽车避免碰撞的一种标准方法是计算环境中其他车辆周围的缓冲区。缓冲区不仅描述车辆的当前位置,而且还描述在某个时间段内可能的未来位置。规划车道变化则成为简单地停留在其他车辆缓冲区之外的问题。
对于计算缓冲区的任何给定方法,算法设计者必须在用于描述流量模式的数学模型的上下文中证明它确保避免碰撞。该证明可能很复杂,因此通常会提前计算最佳缓冲区。在操作期间,无人驾驶汽车调用与其情况相对应的预先计算的缓冲区。
问题是,如果车流量及车辆密度足够大,预先计算缓冲区的可能性不大,因此,一辆无人驾驶汽车可能完全无法变换车道,而人类驾驶员在这种情况下变道则可以如鱼得水。
在MIT研究人员研发的系统中,如果默认的缓冲区导致性能远远低于人类驾驶员的性能,系统将即时计算新的缓冲区,已经证明完全可以避免碰撞。
这种方法取决于描述缓冲区的数学上有效的方法,以便能够快速执行防碰撞证明。这就是麻省理工学院研究人员开发的。
他们从所谓的高斯分布——熟悉的钟形曲线概率分布开始。该分布表示汽车的当前位置,将其长度和位置估计的不确定性都考虑在内。
然后,根据对汽车方向和速度的估计,研究人员的系统构建了一个所谓的逻辑函数。用高斯分布乘以对数函数使汽车运动方向上的分布倾斜,而速度更快则相应地增加倾斜。
倾斜分布定义了车辆的新缓冲区。 但是它的数学描述非常简单,只使用少量方程变量,系统可以实时评估它。
研究人员模拟测试了他们的算法,其中包括多达16辆无人驾驶汽车以及数百辆其他车辆。
Pierson解释说,“无人驾驶汽车不是直接通信,而是平行运行所提出的算法,没有冲突或碰撞。每辆车使用不同的风险阈值,产生不同的驾驶风格,使我们能够创建保守和积极的驾驶者。使用静态预计算缓冲区只允许保守驾驶,而我们的动态算法允许更多元的驾驶风格。”
这个项目得到了丰田研究院和美国海军研究所的支持。