自動(dòng)駕駛汽車具有廣泛的自動(dòng)駕駛能力。一些車輛提供基本的自動(dòng)化功能，例如巡航控制和盲點(diǎn)檢測(cè)，而其他車輛則達(dá)到了完全自動(dòng)化的功能。AI技術(shù)使其中許多功能成為可能。

但是，在討論智能城市交通的大規(guī)模部署之前，需要做更多的工作來改善為自動(dòng)駕駛汽車提供動(dòng)力的AI算法和地圖繪制功能。本文回顧了無人駕駛汽車AI和地圖繪制方面的創(chuàng)新，這可能有助于確保在全市部署無人駕駛汽車的未來。

1.深度強(qiáng)化學(xué)習(xí)(DRL)

多種類型的機(jī)器學(xué)習(xí)被應(yīng)用于包括DRL在內(nèi)的自動(dòng)駕駛汽車的開發(fā)。該方法結(jié)合了深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)的策略，以嘗試更好地自動(dòng)化算法訓(xùn)練。

在實(shí)施DRL時(shí)，研究人員使用獎(jiǎng)勵(lì)功能來指導(dǎo)軟件定義的代理商朝著特定目標(biāo)發(fā)展。在整個(gè)培訓(xùn)過程中，這些代理人將學(xué)習(xí)如何實(shí)現(xiàn)該目標(biāo)或如何在后續(xù)步驟中獲得最大的回報(bào)。

借助從當(dāng)前自動(dòng)駕駛汽車，人類駕駛員和制造商收集的數(shù)據(jù)，這些代理商最終可以接受獨(dú)立操作的培訓(xùn)。同時(shí)，DRL在較低級(jí)別的車輛自動(dòng)化中具有有用的應(yīng)用程序。它還可以在汽車制造中提供價(jià)值，可以將其應(yīng)用于改造工廠自動(dòng)化和汽車維護(hù)。

2.路徑規(guī)劃

路徑規(guī)劃是自動(dòng)駕駛汽車用來確定安全，便捷和經(jīng)濟(jì)路線的決策過程。它需要考慮街道配置，靜態(tài)和動(dòng)態(tài)障礙以及變化的條件。當(dāng)前，路徑規(guī)劃基于基于行為的模型，可行模型和預(yù)測(cè)控制模型的組合。

該過程大致如下：

路線規(guī)劃?rùn)C(jī)制根據(jù)可用的道路或車道確定從A點(diǎn)到B點(diǎn)的路線。

然后應(yīng)用行為層來根據(jù)環(huán)境變量(例如交通或天氣狀況)確定車輛運(yùn)動(dòng)。

將這些確定應(yīng)用于可行的和預(yù)測(cè)的控制模型，以指導(dǎo)車輛的運(yùn)行。

隨著行程的進(jìn)行，來自傳感器和分析的反饋將反饋到這些組件，因此可以實(shí)時(shí)進(jìn)行調(diào)整以調(diào)整錯(cuò)誤或意外事件。

在上述過程中，相對(duì)容易的部分是預(yù)測(cè)車輛在特定條件下的行為。更具挑戰(zhàn)性的是預(yù)測(cè)車輛在其運(yùn)行的環(huán)境中可能發(fā)生的情況。例如，模型如何預(yù)測(cè)相鄰車輛何時(shí)轉(zhuǎn)向或行人進(jìn)入街道。

為了改善這些預(yù)測(cè)，研究人員正在應(yīng)用多模型算法來模擬物體的可能軌跡和速度。這些模型使自治系統(tǒng)可以同時(shí)為多種情況做準(zhǔn)備。然后，基于每種情況發(fā)生的評(píng)估概率，系統(tǒng)可以定義車輛的響應(yīng)方式。

3. SLAM

同步定位和地圖繪制(SLAM)是一種用于將車輛實(shí)時(shí)定向到周圍環(huán)境的技術(shù)。盡管仍處于早期階段，但這項(xiàng)技術(shù)最終可以使車輛在地圖不可用或地圖不正確的區(qū)域內(nèi)自主運(yùn)行。

使得該技術(shù)難以實(shí)施的原因在于，當(dāng)前，映射是基于首先知道對(duì)象的方向的。但是，方向通常是通過將傳感器數(shù)據(jù)與現(xiàn)有的周圍環(huán)境圖進(jìn)行比較來確定的。當(dāng)?shù)貥?biāo)信息未知時(shí)，這種雙重依賴使得難以實(shí)現(xiàn)任何一個(gè)目標(biāo)。

解決此問題的方法之一是通過合并基于GPS數(shù)據(jù)的粗略地圖，然后在車輛穿越環(huán)境時(shí)對(duì)其進(jìn)行完善。這要求車輛傳感器不斷測(cè)量環(huán)境并進(jìn)行仔細(xì)的計(jì)算以校正車輛運(yùn)動(dòng)和傳感器精度。

在用于生成Google Maps數(shù)據(jù)的Google自動(dòng)駕駛汽車中可以看到SLAM應(yīng)用程序的示例。該車輛使用安裝在車頂上的激光雷達(dá)(LIDAR)組件來測(cè)量其周圍環(huán)境。

根據(jù)車輛的行駛速度，每秒最多可進(jìn)行10次測(cè)量。然后，將收集到的數(shù)據(jù)通過一系列統(tǒng)計(jì)模型，包括貝葉斯過濾器和蒙特卡洛模擬，以準(zhǔn)確改善現(xiàn)有地圖。

4.高清地圖

高清晰度(HD)地圖是包含微小的環(huán)境細(xì)節(jié)的地圖，通常小到一厘米。這些地圖包括現(xiàn)場(chǎng)駕駛員在駕駛時(shí)能夠?qū)崟r(shí)查看和解釋的細(xì)節(jié)，但哪些自動(dòng)駕駛汽車需要提前。例如，車道標(biāo)記，彎道角度，道路邊界或路面坡度。

高清地圖提供的詳細(xì)程度可幫助自動(dòng)駕駛車輛更準(zhǔn)確地預(yù)測(cè)行為并實(shí)現(xiàn)更準(zhǔn)確的方向。這并不能消除實(shí)時(shí)評(píng)估環(huán)境變化的需要。但是，這確實(shí)減輕了必須徹底處理和分析傳感器數(shù)據(jù)的負(fù)擔(dān)。

結(jié)論

AI算法只是為全自動(dòng)駕駛汽車提供動(dòng)力所需組件的一部分。高質(zhì)量數(shù)據(jù)的集成也推動(dòng)了增長(zhǎng)。例如，從高級(jí)傳感器收集的數(shù)據(jù)或從更準(zhǔn)確的地圖得出的數(shù)據(jù)。雖然深度學(xué)習(xí)模型極大地促進(jìn)了自動(dòng)駕駛汽車AI的改進(jìn)，但這些汽車仍然面臨許多挑戰(zhàn)，必須在真正成熟之前解決這些挑戰(zhàn)。