CMU教授说社会合作汽车是无人驾驶汽车未来的一部分

CMU教授说，“社会合作”汽车是无人驾驶汽车未来的一部分在机器人领域的领导者之一Carnegie Mellon，John Dolan教授正在寻找人和机器在路上安全通信的方法。他与TechRepublic谈论了他的研究。无人驾驶汽车是我们的未来，几乎所有汽车制造商都在竞相创造自己的自动驾驶汽车版本。但是，自主系统还有很长的路要走 - 人类驾驶员本能地知道的线索和信号并不是我们机器的第二天性。

卡内基梅隆大学机器人研究所的主要系统科学家约翰·多兰教授为了找到解决方案，了解具有自主功能的车辆如何在旅途中安全驾驶，研究人类如何与这些机器进行通信和协调，帮助他们了解如何完成复杂在路上的任务。

TechRepublic与Dolan就他的研究进行了交谈，为什么他不会在未来两年内采用无人驾驶车辆，以及为什么GPS是确保道路安全的基本工具。这是对话，为了清晰起见，进行了轻微编辑。

什么是“社会合作驾驶”？

基本思想是，如果你编写一个机器人来完成一些任务，它可能不会像人类在其他人身边时通常会表现的那样。您可以想象机器人在实验室中并且他们真的不在乎的情况，他们只是完成工作。但是当你处于驾驶状态时，实验室的情况会有所不同。

参见：照片：世界自驾车的列表，直到2020年

想想我们的汽车何时从入口坡道进入高速公路。我们与附近的汽车谈判;如果我们接近另一辆车，如果它在前面，我们放手。如果我们领先，那就让我们走吧。如果我们接近它，我们会与视觉线索协商，并与速度线索协商。我们加快速度以表明我们不想屈服于另一辆车。或者，反过来 - 他们加速，以便在我们面前。因此，我们的团队正在研究如何使用概率来判断该驾驶员的意图，并能够向驾驶员传达我们的意图，以便与其他车辆进行更安全，更自然的交互。

John Dolan，卡内基梅隆大学机器人研究所的首席系统科学家

图片：卡内基梅隆

你是否认为人类会在一段时间内参与驾驶，即使汽车具有自主能力？

一方面，有个别车的问题 - 它是完全自主的，还是人类还会参与其中?而且，另一方面，您的汽车可能完全自主，但同时仍然会有人驾驶汽车。

我确实认为让人类参与是可取的，因为这项技术还不够成熟以避免它。从保险公司以及可能是汽车制造商的角度来看，这也是不可避免的，短期内会有人为的自主功能。

埃隆马斯克谈到两年内达到4级(完全自治)。当然，他倾向于做出各种强有力的陈述，我认为在加速技术方面，这些陈述在刺激人们方面是有益的。但如果我们在两年内普及4级，我仍然会感到非常惊讶，因为这实际上意味着司机可以读书并在车上睡觉，我只是觉得我们不会准备好在两年内。

特斯拉的做法似乎与谷歌的做法非常不同，比如谷歌 - 慢慢地，渐进式地，一直在发布更新，而谷歌正在等待技术达到一定水平。您如何看待这些不同的方法？

说实话，我不确定我们这个领域的很多人，不是谷歌的人，都不知道谷歌的最后阶段是什么。他们似乎更加认真地与汽车制造商合作，并且可能已经达到了生产汽车的目的。特斯拉正面临着一些风险，但它的价值在于马斯克声称拥有的强大的整体能力，至少还有7000或8000多万英里的数据，可以建立对消费者的信心。

见：特斯拉说：我们将如何克服无人驾驶车辆的障碍（TechRepublic）

我确实认为特斯拉的方法对于100年来建立的汽车制造商的心态非常诅咒。他们希望产品尽可能可靠，在将产品推向市场之前经过严格的测试。

你认为特斯拉是一种聪明的方法吗？

我认为这样做有一个很大的优势：你可以吸引客户，而客户在使用它时也相当谨慎。我的意思是，有些人做了愚蠢的事情。这有点像人们试图通过抬起腰部来割草或试图用割草机割断头部。如果你疯了，你就会这样做;如果你是一个理智的人，你就不会。显然，如果你是一个理智的人，特斯拉说你需要注意当这件东西在路上行动因为它还不完美，那么你就会这样做。所以，我认为它可以建立一个客户群，即使是从非自私的角度来看，也可以建立对技术的热情和信任。缺点是，如果你因自治而发生事故，这将是一次巨大的公关灾难，而且

这不一定会在某个时刻发生吗？

好吧，我同意你的看法。在这个领域工作，我们都有一种恐惧，它可能会发生，而且可能太早，并且会产生许多可能使技术脱轨的坏消息。我认为有一种方法可以帮助实现这一目标，即Elon Musk提出的方法- 向评估人员，运输部或任何人提供数据。那里必须有一些警告，因为我不知道数据的确切性质是什么。它必须令人信服。它需要考虑到人类可以进行干预以防止事故的事实，所以你可以说“驾驶x英里没有任何问题”。

但有一个问题是，这些问题在多大程度上被人为干预所阻止?尽管如此，如果你可以根据公众的数据做出这样的情况，那里有一些确保这是非常安全的，就像航空旅行被认为是非常安全的那样，即使我们不时听到崩溃的声音。那会有所帮助。

你究竟是如何在CMU上测试这些东西的？

我们没有足够的人力来测试汽车制造商正在做的同样严格和重复的程度。我们所做的是我们车里总有两个人。我们有2011款凯迪拉克SRX，我们自己进行了改装，这是我们目前在实验室中使用的唯一车辆。(照片)。我们在驾驶员座位上有一个安全驾驶员随时准备将汽车从自动模式恢复到手动模式，我们通常有一个开发人员或有笔记本电脑的人正在测试软件，根据需要进行调整，坐在乘客座位上。

我们在高速公路环境，一些半城市环境，以及大学周围的城市环境中驾驶它，如果我们看到我们离汽车太近，或者有一种我们无法处理的情况因为它太复杂了，我们进行干预是为了不引起任何问题。

当你这样做时，最常见的问题是什么？什么车不对？

我们偶尔会有准确使用GPS的问题，当你在城市环境中周围有一些较高的建筑物时会更加严重，问题是如果你离开了几米，那你就不知道究竟是哪一个即使你知道你在哪条路上，你也会进入。所以，这可能会让你在车道上跳跃的位置出现问题。我们在很大程度上解决了这个问题，它能够读取车道标记并将其用作替代品或将它们与GPS结合使用，但偶尔会出现GPS不良的情况，然后您还会有一些褪色的车道标记或者道路的某些部分没有任何车道标记。那么，这将是一个问题。

另一个与恶劣天气有关，这是所有自动驾驶工作面临的问题。如果你真的下大雨或下雪，这往往会欺骗LiDAR传感器，激光传感器，所以有时我们会在边界线上开车，我们只是下雨，偶尔会导致汽车刹车，认为很重，或者几乎沉重，下雨实际上是一个障碍。

另一件通常很难的事情，我们倾向于避免作为一个驾驶环境，因为我们尚未做好准备，是在洛杉矶市中心或曼哈顿市中心可以发生的事情，那里有一堆车马路。也许他们突然离开了他们的车道，以避免，比方说，卡车正在向人行道上的商店卸货，孩子或人们冲向马路。我们已经具备了识别这些障碍的基本能力，但是我们在一个非常密集，不确定的环境中迅速做出的各种判断对于自动驾驶汽车来说现在很难做到。

你如何处理刹车灯和障碍物？

我们使用几种不同的方法来处理刹车灯。一方面，如果停车灯配备了DSRC无线电，那么我们就可以与它进行通信，并根据它来确定其状态。然后我们还有一个视觉系统或摄像系统，它能够看到刹车灯并判断它是什么颜色。

我们还有一些使用相机进行行人和骑车人检测和避免的能力。我们有一个非常详细的运动规划。我们典型的，有点复杂的情况是双向负载。我们有一辆车朝另一个方向走，让我们说一个人走在你面前的街道上。那么你想要避开这个人，但仍然及时进入另一条车道，以避免那辆车正在前进。因此，这需要的不是超级复杂，而是至少比在自己的车道上继续更复杂的轨迹。所以我们有一个能够推理这些事情的动作计划。

这样做之后你学到的最有趣的东西或最令人惊讶的东西是什么？

好吧，我从间隙的角度考虑它们。然后，其中一个是本地化，因为它需要花费很多钱才能获得你现在通常所需的精确度和定位，这是一个非常精确的地图和一个非常精确的GPS系统。通常，GPS的成本超过50,000美元，因为这样的定位系统比那个便宜，但仍然具有相似的精度，这将是向前迈出的一大步。

现在，谷歌做了一些能让他们获得良好准确性的东西，但是他们必须提前驱动环境，并获得整个区域的非常详细且公平的数据密集型地图，然后他们匹配该地图。所以，这是一回事。更便宜的本地化将是一件好事。

另一个是整个感知过程的可靠性。因此，潜在的硬件本身，用于解释这些数据并推理它们的算法。这是一个仍有很多工作要做的领域。已经做了很多工作，但是没有什么能像我们人类能够理解和推理的那样接近，而这种工作带来了另一个层面。

你说你真正需要的GPS系统的成本在50,000美元之间。因此，特斯拉将于明年以35,000美元的价格发布Model 3。他们怎么能这样做？

我的猜测是他们所做的主要取决于他们谈论的车道标记，因为他们正在考虑高速公路驾驶。在西方，由于天气好转，车道标记不会像在东北地区被盐和东西一样快地褪色。在任何情况下，根据车道标记，您可以购买Mobileye，它提供基于摄像头的阅读车道标记的方式，如果您批量购买，或者如果您是汽车制造商，并且可以重新定价，我认为每辆车的成本约为500美元。你可以将它与相对便宜的GPS结合起来并处理很多情况 - 但是当你进入一个你没有注意到车道标记的环境时，你就会遇到麻烦。

参见：10个自动驾驶内幕人士在Twitter上关注（TechRepublic）

你可以想象，我认为谷歌正在开展一条不同的道路。他们在2015年1月宣布他们正在内部使用新的LiDAR传感器。并且，你可以使用这种方法，如果你已经去过一个区域，你会收集一大堆激光范围数据，并建立这个三维表示然后，当您稍后驾驶它时，您的激光读数与您的激光读数相匹配的环境，并且您可以通过这种方式进行本地化。这通常是昂贵的，因为这样做的激光传感器相当昂贵，但是我们很多人使用的激光传感器制造公司Velodyne已经稳定地降低了它的价格，所以它现在只有一个版本的成本8,000美元 - 没有高密度，

大多数汽车制造商如何接近完全自治？

在最近的过去，我与硅谷和其他地方的各个汽车制造商的许多研究实验室进行了互动，看起来他们似乎都在进行某种推动，当然所有人都有什么他们称之为ADAS，先进的驾驶辅助系统。如果你把它们全部组合在一起，或者你逐渐引入它们然后把它们串在一起就可以说，你会得到一些接近自动驾驶的东西。我认为这有点天真，因为存在将所有这些都有效地结合起来的架构问题，但这是很多汽车制造商预见到的途径。

大多数人对自动驾驶研究不了解的最有趣的事情是什么？

机器学习是现在高科技领域发生的许多事情的基本技术 - 例如，谷歌的搜索引擎越来越突出。现在，近年来，所谓的深度学习已经变得流行且非常有效。所以，很多人都希望在自动驾驶中使用它。我认为它具有很强的潜力，特别是对于准确的分类，在环境中标记不同的物体，并可能推断出这些人或动物正在做什么活动。然后使用该信息来帮助有效地决定做什么。我认为深度学习可以对驾驶产生越来越大的影响，改善其中的一些组成部分。