最近舉行的國(guó)際機(jī)器人與自動(dòng)化會(huì)議（ICRA）上，來(lái)自麻省理工學(xué)院計(jì)算機(jī)科學(xué)與人工智能實(shí)驗(yàn)室（CSAIL）的研究人員介紹了一種新的車(chē)道變換允許無(wú)人車(chē)進(jìn)行更主動(dòng)的車(chē)道變更，同時(shí)僅依賴(lài)于其他車(chē)輛的方向和速度的即時(shí)信息來(lái)做出決定。

在自動(dòng)駕駛汽車(chē)領(lǐng)域，車(chē)道變換的算法是一個(gè)重要的研究課題。大多數(shù)現(xiàn)有的車(chē)道變換算法存在以下兩個(gè)缺點(diǎn)：1.它們依賴(lài)于駕駛環(huán)境的詳細(xì)統(tǒng)計(jì)模型，這些統(tǒng)計(jì)模型難以構(gòu)建并且太復(fù)雜以至于無(wú)法分析; 2.他們太簡(jiǎn)單了，以至于只能做出過(guò)于保守的決策，比如永遠(yuǎn)不會(huì)改變車(chē)道。

當(dāng)馬路上出現(xiàn)多智能體交互時(shí)，這種算法是否存在懦夫博弈。

在最近舉行的國(guó)際機(jī)器人與自動(dòng)化會(huì)議（ICRA）上，來(lái)自麻省理工學(xué)院計(jì)算機(jī)科學(xué)與人工智能實(shí)驗(yàn)室（CSAIL）的研究人員介紹了一種新的車(chē)道變換算法，以區(qū)分這種差異。與簡(jiǎn)單模型相比，它允許無(wú)人車(chē)進(jìn)行更主動(dòng)的車(chē)道變更，僅依賴(lài)其他車(chē)輛的方向和速度的即時(shí)信息來(lái)做出決定。

CSAIL 博士后和論文第一作者 Alyssa Pierson 表示，該算法的設(shè)計(jì)思想是用盡可能少的信息做出變道決策——就像人類(lèi)駕駛員那樣。

團(tuán)隊(duì)負(fù)責(zé)人 Rus 表示，最好的解決方法當(dāng)然是對(duì)從保守到主動(dòng)的各種變道風(fēng)格建模，當(dāng)然還要考慮安全空間。

自動(dòng)車(chē)輛避免碰撞的一種標(biāo)準(zhǔn)方法是計(jì)算環(huán)境中其他車(chē)輛周?chē)木彌_區(qū)。緩沖區(qū)不僅描述車(chē)輛的當(dāng)前位置，還必須對(duì)它們將來(lái)的位置進(jìn)行短期預(yù)測(cè)。規(guī)劃車(chē)道變化則成為簡(jiǎn)單地停留在其他車(chē)輛緩沖區(qū)之外的問(wèn)題。

所有計(jì)算緩沖區(qū)的方法，都要檢驗(yàn)變道算法是否有碰撞的可能性。這個(gè)問(wèn)題證明比較復(fù)雜，因此通常會(huì)提前計(jì)算最佳緩沖區(qū)。然后在行使時(shí)，根據(jù)感知到的當(dāng)前環(huán)境，調(diào)用對(duì)應(yīng)的安全空間參數(shù)。

問(wèn)題是，如果車(chē)流量足夠快并且密度足夠大，則預(yù)先計(jì)算的緩沖區(qū)可能過(guò)于嚴(yán)格。一輛自動(dòng)駕駛車(chē)輛根本無(wú)法改變車(chē)道，而一名駕駛員會(huì)在車(chē)道周?chē)p松變道。

MIT 新算法的改進(jìn)在于：如果當(dāng)前的默認(rèn)安全空間模型導(dǎo)致汽車(chē)的變道能力低于人類(lèi)駕駛員，則系統(tǒng)會(huì)實(shí)時(shí)計(jì)算新的安全空間。

該算法的關(guān)鍵是設(shè)計(jì)足夠高效的算法來(lái)計(jì)算安全空間，否則無(wú)法應(yīng)對(duì)多變的路況。研究人員基于高斯分布，描述了車(chē)輛的當(dāng)前位置、車(chē)輛長(zhǎng)度和其位置的不確定性。

接著，基于車(chē)輛速度方向和大小的估計(jì)，研究人員構(gòu)建了一個(gè) logistic 函數(shù)。高斯分布和 logistic 函數(shù)的乘積，使得高斯分布的峰值向汽車(chē)的運(yùn)動(dòng)方向偏移，速度越快，偏移幅度越大。

偏斜分布定義了車(chē)輛的新安全空間。該數(shù)學(xué)描述足夠簡(jiǎn)單，只有幾個(gè)變量，因此完全可以進(jìn)行實(shí)時(shí)計(jì)算。研究人員在有幾百輛汽車(chē)的模擬環(huán)境中，測(cè)試了 16 輛自動(dòng)駕駛汽車(chē)的避撞性能。

該論文目前還未公布，但是智車(chē)科技在網(wǎng)絡(luò)上搜到一篇Alyssa Pierson 為第一作者，發(fā)表在2017Multi-Robot and Multi-Agent Systems (MRS) 研討會(huì)上的論文Distributed target tracking in cluttered environments with guaranteed collision avoidance。該論文提出了一個(gè)分布式在線算法，借助一組追蹤代理，通過(guò)混亂的環(huán)境跟蹤目標(biāo)。追逐著必須始終避免與障礙物發(fā)生碰撞。文章也介紹了Obstacle-Aware Voronoi Cell（OAVC），一種改進(jìn)的Voronoi鑲嵌模型，通過(guò)使用基于Voronoi的覆蓋控制工具，追蹤者只需對(duì)其位置進(jìn)行估計(jì)即可成功跟蹤目標(biāo)。跟MIT的這項(xiàng)研究有多大關(guān)系不得而知。

Pierson 表示：各輛自動(dòng)駕駛汽車(chē)之間沒(méi)有通訊聯(lián)系，只依靠各自的算法進(jìn)行變道和避障。每輛自動(dòng)駕駛汽車(chē)使用不同的風(fēng)險(xiǎn)閾值，生成不同的駕駛風(fēng)格，相當(dāng)于保守和主動(dòng)變道的人類(lèi)司機(jī)。靜態(tài)算法的預(yù)先計(jì)算安全空間只能允許保守駕駛，而新算法對(duì)主動(dòng)變道的支持程度大得多。

電子工程和計(jì)算機(jī)科學(xué)維特比教授 Daniela Rus 、航空學(xué)副教授 Sertac Karaman、電子工程和計(jì)算機(jī)科學(xué)研究生 Wilko Schwarting 也參與了該工作。豐田汽車(chē)研究所和海軍研究實(shí)驗(yàn)室為該研究項(xiàng)目提供了部分資助。