撰文：朱 琳

編輯：張霖郁

設(shè)計(jì)：杜 凱

來(lái)源：TechXplore，作者：Ingrid Fadelli、Simon Le Cleac'h

盡管許多自動(dòng)駕駛汽車在模擬或初始測(cè)試中取得了令人矚目的表現(xiàn)，但當(dāng)在真實(shí)街道上測(cè)試時(shí)，它們往往無(wú)法根據(jù)周圍其他車輛或行動(dòng)者的軌跡或運(yùn)動(dòng)來(lái)調(diào)整自己的軌跡或運(yùn)動(dòng)。在需要一定程度協(xié)商的情況下更是如此，例如在十字路口或有多條車道的街道。

斯坦福大學(xué)的研究人員最近創(chuàng)建了LUCIDGames，這是一種計(jì)算技術(shù)，可以預(yù)測(cè)和規(guī)劃自動(dòng)駕駛汽車的自適應(yīng)軌跡。他們?cè)赼rXiv上發(fā)表的一篇論文中，提出了一種基于博弈論的算法和一種估算方法。

“隨著過(guò)去幾年自動(dòng)駕駛技術(shù)的發(fā)展，我們注意到，某些駕駛操作，例如在無(wú)人保護(hù)的十字路口處左轉(zhuǎn)，改變車道或合并到擁擠的高速公路上，對(duì)于自動(dòng)駕駛?cè)匀痪哂刑魬?zhàn)性，而人類卻可以很容易地執(zhí)行它們。”進(jìn)行這項(xiàng)研究的研究人員之一西蒙·勒克萊克（Simon Le Cleac'h）告訴TechXplore?！拔覀冋J(rèn)為，這些互動(dòng)涉及自動(dòng)駕駛汽車與其周圍汽車之間的重要交涉?！?/p>

人類通常能夠找出其他司機(jī)在他們周圍駕駛車輛的目標(biāo)，并進(jìn)行決策，比如在給定的十字路口誰(shuí)先走。在他們的研究中，勒克萊克和他的同事們?cè)噲D在自動(dòng)駕駛汽車上復(fù)制這種能力，以及支持這種能力的復(fù)雜行為。他們的總體目標(biāo)是讓自動(dòng)駕駛汽車識(shí)別周圍其他車輛的目標(biāo)，以便在涉及某種協(xié)商的情況下規(guī)劃出更合適的軌跡。

“我們的工作結(jié)合了兩種主要工具，一種是基于博弈論的算法，另一種是估算技術(shù)?！崩湛巳R克說(shuō)。“基于博弈論的組件允許自動(dòng)駕駛汽車在目標(biāo)可能與自身目標(biāo)不完全一致時(shí)，對(duì)與其他行動(dòng)者（車輛、行人、騎自行車者等）的互動(dòng)進(jìn)行推理。另一方面，估算技術(shù)是允許自動(dòng)駕駛汽車在與其他行動(dòng)者互動(dòng)時(shí)迅速發(fā)現(xiàn)潛在目標(biāo)，例如，期望的速度、期望的車道或每輛車與自動(dòng)駕駛汽車互動(dòng)的攻擊性程度?！?/p>

參數(shù)估算：期望的速度、期望的車道、車輛攻擊性

LUCIDGames是由勒克萊克和他的同事們提出的技術(shù)，旨在讓自動(dòng)駕駛汽車能夠快速識(shí)別附近車輛和行人的目標(biāo)。這使他們能夠預(yù)測(cè)這些行動(dòng)者未來(lái)的行為，并在它們周圍安全操作，即使是在復(fù)雜的情況下也可以如此。

研究人員創(chuàng)建的系統(tǒng)由“評(píng)估者”和“決策者”組成?！霸u(píng)估者”是一種識(shí)別駕駛員目標(biāo)的技術(shù)，而“決策者”是一種控制自動(dòng)駕駛汽車轉(zhuǎn)向角度和加速度的算法。決策者根據(jù)評(píng)估者收集的信息確定最適合車輛的軌跡。

“一開(kāi)始，自動(dòng)駕駛汽車并不知道旁邊車輛的目標(biāo)，因此評(píng)估者只能猜測(cè)車輛的目標(biāo)。”勒克萊克解釋道?！懊坎乱淮?，自動(dòng)駕駛汽車就會(huì)預(yù)測(cè)汽車在接下來(lái)幾秒內(nèi)的軌跡，然后將預(yù)測(cè)結(jié)果與現(xiàn)實(shí)情況進(jìn)行比較。在預(yù)測(cè)未來(lái)時(shí)最準(zhǔn)確的猜測(cè)被保留了下來(lái)?！?/p>

在最初的訓(xùn)練之后，LUCIDGames會(huì)對(duì)與保留猜測(cè)非常接近的其他行動(dòng)者的軌跡進(jìn)行新的猜測(cè)，并評(píng)估它們的預(yù)測(cè)表現(xiàn)。通過(guò)每秒重復(fù)幾次這個(gè)過(guò)程，它改進(jìn)了自己的猜測(cè)，并最終預(yù)測(cè)出周圍其他行動(dòng)者將如何移動(dòng)。

如上圖所示，測(cè)試提供了一種場(chǎng)景的三條可視化路線，其中自動(dòng)駕駛汽車（橙色）和人類駕駛的汽車（藍(lán)色）必須在底部車道上越過(guò)較大的障礙物（黃色）。自動(dòng)駕駛汽車根據(jù)LUCIDGames的要求，開(kāi)始時(shí)，速度會(huì)減慢以避免不確定性的碰撞（綠色），包括兩個(gè)可能性：要么是人類超車，要么是人類避讓。

然后，通過(guò)觀察人類司機(jī)的行為，自動(dòng)駕駛汽車會(huì)更好地估算其目標(biāo)，并縮小碰撞避免區(qū)，選擇了第一個(gè)可能性。最后，自動(dòng)駕駛車輛會(huì)在人類駕駛的汽車之前經(jīng)過(guò)障礙物。自動(dòng)駕駛汽車的計(jì)劃軌跡由橙色圓點(diǎn)表示。

“通過(guò)我們的技術(shù)，自動(dòng)駕駛汽車還能意識(shí)到什么時(shí)候它可以對(duì)自己的猜測(cè)有信心，什么時(shí)候有太多不確定性而降低信心?！崩湛巳R克說(shuō)?！霸谶@種不確定的情況下，它會(huì)采取更加謹(jǐn)慎的行動(dòng)，與其他車輛保持更大的安全距離?！?/p>

勒克萊克和他的同事們?cè)O(shè)計(jì)的這項(xiàng)技術(shù)的評(píng)估組件，還允許自動(dòng)駕駛汽車根據(jù)在街道上遇到的司機(jī)類型調(diào)整決策。例如，它可以確定駕駛員是否特別具有攻擊性，從而允許決策組件相應(yīng)地調(diào)整自動(dòng)駕駛汽車的軌跡和運(yùn)動(dòng)（例如，與具有攻擊性的駕駛員駕駛的車輛保持更大的安全距離）。

如果沒(méi)有這種估算技術(shù)，不管周圍的駕駛員是小心謹(jǐn)慎還是咄咄逼人，自動(dòng)駕駛汽車都將以同樣的方式移動(dòng)，執(zhí)行同樣的動(dòng)作，這可能會(huì)增加事故的風(fēng)險(xiǎn)。

勒克萊克表示：“我們已經(jīng)看到，在與其他司機(jī)互動(dòng)和協(xié)商很關(guān)鍵的情況下，將博弈論和評(píng)估的概念結(jié)合起來(lái)，是為自動(dòng)駕駛汽車生成復(fù)雜駕駛行為的有效方法。我們的算法能夠在現(xiàn)實(shí)的駕駛場(chǎng)景中，以足夠快的速度為自動(dòng)駕駛汽車進(jìn)行估算和做出決定，使其適用于實(shí)際?！?/p>

在未來(lái)，LUCIDGames可以幫助提高自動(dòng)駕駛汽車的安全性和可靠性，通過(guò)預(yù)測(cè)周圍行動(dòng)者的動(dòng)作和行動(dòng)，讓它們以適應(yīng)的方式移動(dòng)。到目前為止，勒克萊克和他的同事們只在模擬中評(píng)估了這項(xiàng)技術(shù)，但他們現(xiàn)在計(jì)劃在真正的自動(dòng)駕駛汽車上進(jìn)行測(cè)試。

勒克萊克表示：“我們的研究得到了豐田研究所（TRI）的部分資助，我們計(jì)劃與TRI合作，在他們的汽車上測(cè)試LUCIDGames。我們的實(shí)驗(yàn)室（斯坦福大學(xué)的多機(jī)器人系統(tǒng)實(shí)驗(yàn)室）已經(jīng)通過(guò)與斯坦福大學(xué)汽車研究中心（CARS）合作，在小型模型汽車和全尺寸自動(dòng)駕駛汽車上進(jìn)行了博弈論交互實(shí)驗(yàn)。”

返回第一電動(dòng)網(wǎng)首頁(yè) >