標籤:

自動駕駛汽車是如何學會巧妙的通過交叉路口的?

在亞利桑那州的錢德勒,Alphabet測試了其自動駕駛汽車,它的軟體遇到了以前從未遇到過的,這是一個閃爍的黃色左轉信號。

當信號閃爍時,司機(包括人和機器人)都會預計迎面而來的是行駛中的車輛。這對人類而言,過交叉路口都比較困難,更不用說一個從未遇到過像這樣的交通燈的自動駕駛汽車了。

自動駕駛汽車後面的安全駕駛員接管了它,它的研究人員將這一事件轉化為一個虛擬模擬,在那裡,公司可以教軟體如何處理這種情況。

這是在路上獲得完全自動駕駛汽車的關鍵部分,由於Alphabet的車輛幾乎不可能遇到每一種駕駛場景,所以測試虛擬的和具有挑戰性的情況是確保這些汽車在任何時候都能安全駕駛的關鍵。

在所有情況和地理區域都能駕駛的情況下,自動駕駛汽車才被認為是能夠完全自動駕駛的。這就是為什麼Alphabet經常會進行自動駕駛汽車測試的原因,更多的駕駛體驗意味著Alphabet的汽車應該能夠導航更多的場景。

今天,Alphabet的自動駕駛汽車行駛超過了三百萬英里的真實里程,但在模擬中,Alphabet的汽車每天行駛約八百萬英里。在2016年,Alphabet的自動駕駛汽車開啟了25億英里的模擬測試。

模擬團隊的首席軟體工程師詹姆斯·斯托特(James Stout)告訴記者,「在模擬測試中,我們重點關注最有趣的駕駛和最具挑戰性的場景,你可能會在每一百萬英里(在實際的道路上)看到一個具有挑戰性的環境。在模擬測試中我們可以模擬這些環境。」

這只是一個例子,但它說明了這些汽車學習如何在所有設置中駕駛。

詹姆斯·斯托特(James Stout)說:「我們不必在這個閃爍的黃燈下測試所有可能的變化。 相反,我們可以做的是通過給出示例場景來教會我們的汽車有基本技能,以確保它學會了這些基本技能,也確保它能夠處理所有版本的這種情況。」

在這種情況下,汽車後面的安全駕駛員將接管,通常會注意到這是需要更多測試的場景。

Alphabet的自動駕駛工程師然後將回到他們創建的虛擬世界,通過重新創建這個確切的事件來測試汽車。工程師將使用相機、雷達和激光雷達系列中的實際數據,以便在遇到這種新情況時車輛中配備了列所建立的模型。

然後,工程師將為這個單一的場景添加數千個變體,這個過程,稱為模糊,可以包括從快速行駛的汽車到摩托車分車道再到慢跑者沿著道路加任何東西。

一旦汽車驅動並重新驅動這種具體情況及其許多變化,那麼該技能將被添加到其知識庫中,並與Waymo的自動駕駛汽車網路共享。

現在,我們希望無論在哪種情況下,這些自動駕駛汽車都能夠自信地左轉。

推薦閱讀:

Paper Reading | 首次使用DL的框架來解決VIO問題——帶你讀懂VINet 深度神經網路架構
ADAS駕駛輔助系統測試方案
「中國版特斯拉」絕地反擊,自動駕駛開闢「第三條路」?
無人駕駛分級論
自動駕駛背後的故事太大了,這篇文章讓你看個明白。(無人汽車是下一個投資風口的概率非常大)

TAG:自動駕駛 |