百度阿波罗自动驾驶汽车：基于机器学习的自动校准系统

编译：chux

出品：ATYUN订阅号

阿波罗社区已经为自动驾驶汽车构建了基于机器学习的自动校准系统。到2018年8月，该系统已经过两千多小时的测试，进行了大约一万公里（6213英里）的道路测试，并且已被证明是有效的。该系统是自动化和智能化的，因此适用于大规模自动驾驶车辆部署。

为什么要引入阿波罗自动校准系统？

以下是当前系统面临的主要问题：

• 手动校准非常耗时且容易出错：自动驾驶车辆的性能和安全性取决于其控制模块。该模块包括需要车辆动力学作为输入的控制算法，然后发送命令来操纵车辆。实时执行此校准很困难，这就是为什么大多数面向研究的自动驾驶汽车都是逐一进行手动校准的原因。手动校准会消耗大量时间，并且容易出现人为错误。
• 车辆动力学的变化：在驾驶车辆动态变化时（即负载变化，车辆部件将随着时间的推移而磨损，表面摩擦），并且手动校准不可能覆盖它们。

阿波罗自动校准系统如何工作？

自动校准系统依赖于阿波罗控制模块，该模块由离线模型和在线学习算法组成。

离线模型：

首先，基于最能反映驾驶时的车辆纵向性能的人体驾驶数据生成校准表。它执行三个功能：

• 收集人类驾驶数据
• 预处理数据并选择输入要素
• 通过机器学习模型生成校准表

在线学习：

在线算法基于自动驾驶模式中的实时反馈来更新离线表。它试图根据手动驾驶数据建立的离线模型，最佳地匹配当前车辆动力学。它执行以下功能：

• 实时收集车辆状态和反馈
• 预处理和过滤数据
• 相应地调整校准表

论文：arxiv.org/pdf/1808.10134.pdf