有一項(xiàng)非常有趣的研究表明，駕駛習(xí)慣偏激進(jìn)的司機(jī)期待著與自動(dòng)駕駛汽車共享道路，因?yàn)樗麄兿嘈抛约嚎梢暂p松地在前面開道。

調(diào)查顯示，“好斗”的司機(jī)往往“認(rèn)為自動(dòng)駕駛汽車在路上比人類更容易對(duì)付”，因?yàn)樗麄冋J(rèn)為自己能夠“欺負(fù)”它們。這項(xiàng)研究是關(guān)于國(guó)際社會(huì)對(duì)自動(dòng)駕駛技術(shù)態(tài)度的最全面的研究之一，來(lái)自11個(gè)國(guó)家的1.2萬(wàn)名司機(jī)接受了調(diào)查。

“我會(huì)一直超車，因?yàn)樗麄儠?huì)遵守規(guī)則，”一名英國(guó)司機(jī)表示，利用無(wú)人駕駛汽車內(nèi)置的安全功能，這些功能將限制他們的速度，并使他們?cè)诼房诟又?jǐn)慎。

由于自動(dòng)駕駛汽車大多數(shù)被設(shè)定為避免事故，它們很可能會(huì)在謹(jǐn)慎方面犯錯(cuò)誤。此前，Waymo的一輛自動(dòng)駕駛汽車撞上了一輛巴士的一側(cè)。事故發(fā)生后，Waymo表示將對(duì)車輛預(yù)測(cè)路上其他司機(jī)的行駛方式做出一些改變。

近日，佐治亞理工學(xué)院機(jī)器人與智能機(jī)器研究所(IRIM)的研究人員最近提出了一種新的框架，用于只使用單目攝像機(jī)、IMU傳感器和車輪速度傳感器的激進(jìn)駕駛。

他們?cè)赼rXiv上發(fā)表的一篇論文中提出了一種基于深度學(xué)習(xí)的道路檢測(cè)、粒子濾波和模型預(yù)測(cè)控制(MPC)相結(jié)合的方法。

開展這項(xiàng)研究的研究人員之一保羅·德魯斯表示:“了解自動(dòng)駕駛的前沿案例變得非常重要。我們選擇了激進(jìn)駕駛（aggressive driving），因?yàn)檫@是自動(dòng)駕駛汽車所需的避碰或減震的一個(gè)很好的指標(biāo)?！?/p>

“激進(jìn)駕駛”一詞指的是地面車輛在接近操縱速度極限時(shí)，如拉力賽所要求的那樣，通常具有較高的側(cè)滑角。在他們之前的工作中，研究人員使用高質(zhì)量的GPS來(lái)進(jìn)行全球定位評(píng)估。這種方法有幾個(gè)限制，例如，它需要昂貴的傳感器，并且排除了gps不允許的區(qū)域。

研究人員先前使用基于視覺(非gps)的驅(qū)動(dòng)解決方案取得了有希望的結(jié)果，該解決方案基于單目攝像機(jī)圖像的局部地圖，并將這些信息用于基于mpc的控制。

然而，由于安裝在地面車輛上的攝像機(jī)視野有限，制高點(diǎn)較低，單獨(dú)處理每個(gè)輸入幀導(dǎo)致了關(guān)鍵的學(xué)習(xí)挑戰(zhàn)，這使得很難生成高速有效的地圖。

德魯斯說(shuō):“我們這項(xiàng)工作的主要目標(biāo)是了解視覺如何被用作主動(dòng)駕駛的主要傳感器。”

這帶來(lái)了有趣的挑戰(zhàn)，因?yàn)橐曈X處理必須滿足嚴(yán)格的時(shí)間要求，這讓我們能夠探索在感知和控制之間緊密耦合的算法。研究人員解決他們以前工作的局限性，引入另一種方法—自動(dòng)高速駕駛的本地地圖映射生成器的形式，基于視頻的深層神經(jīng)網(wǎng)絡(luò)模型(例如LSTM)，用于粒子濾波狀態(tài)估計(jì)器的測(cè)量過(guò)程。

本質(zhì)上，粒子濾波器使用這種動(dòng)態(tài)觀察模型在示意圖中定位，而MPC則在這種狀態(tài)估計(jì)的基礎(chǔ)上積極驅(qū)動(dòng)。該框架使他們無(wú)需使用GPS技術(shù)就能獲得地圖的全球位置估計(jì)，同時(shí)也提高了地圖預(yù)測(cè)的準(zhǔn)確性。

通過(guò)直接從單目圖像中輸出Costmap（代價(jià)地圖），我們采用了一種直接的方法來(lái)實(shí)現(xiàn)自動(dòng)駕駛賽車。這種方法可以直接用于模型預(yù)測(cè)控制，也可以被粒子濾波器用于接近GPS狀態(tài)的性能?！?/p>

研究人員在AutoRally上使用1:5的測(cè)試車輛評(píng)估了他們的框架，這是一個(gè)開源平臺(tái)用于測(cè)試激進(jìn)的自動(dòng)駕駛。通過(guò)他們的方法，他們發(fā)現(xiàn)車輛可以可靠地在復(fù)雜的泥土摩擦極限下運(yùn)行，達(dá)到27英里每小時(shí)(12米/秒)以上的速度。

德魯斯說(shuō):“我認(rèn)為我們?cè)谶@項(xiàng)研究中已經(jīng)證明了兩件事。一是通過(guò)從圖像中直接輸出Costmap（代價(jià)地圖），我們既可以直接使用它，也可以使用它進(jìn)行本地化，從而在處理的極限上實(shí)現(xiàn)自動(dòng)駕駛。

其次，在這種艱難的駕駛環(huán)境中，時(shí)間信息非常重要。研究證明了MPC與狀態(tài)估計(jì)和學(xué)習(xí)感知相結(jié)合的優(yōu)點(diǎn)。未來(lái)，他們的框架可能會(huì)為在復(fù)雜道路上實(shí)現(xiàn)更強(qiáng)勁、成本更低的自動(dòng)駕駛。

德魯斯說(shuō):“我們現(xiàn)在想進(jìn)一步加強(qiáng)這一方法，并將其應(yīng)用于障礙物和未知環(huán)境。”