De fleste selvkørende køretøjer kræver indviklede håndmærkede kort, men MapLite muliggør navigation med kun GPS og sensorer

Ubers seneste dødsfald i selvkørende biler understreger det faktum, at teknologien stadig ikke er klar til udbredt anvendelse. En grund er, at der ikke er mange steder, hvor selvkørende biler rent faktisk kan køre. Virksomheder som Google tester kun deres flåder i større byer, hvor de har brugt utallige timer på omhyggeligt at mærke de nøjagtige 3D-positioner af baner, kantsten, frakørsler og stopskilte.

Ja, hvis du bor langs de millioner af miles af amerikanske veje, der ikke er asfalterede, uoplyst eller upålideligt mærket, du er ude af held. Sådanne gader er ofte meget mere komplicerede at kortlægge, og få meget mindre trafik, så det er usandsynligt, at virksomheder udvikler 3D-kort til dem i den nærmeste fremtid. Fra Californiens Mojave-ørken til Vermonts White Mountains, der er enorme dele af Amerika, som selvkørende biler simpelthen ikke er klar til.

En måde at undgå dette på er at skabe systemer, der er avancerede nok til at navigere uden disse kort. I et vigtigt første skridt, et team fra MIT's Computer Science and Artificial Intelligence Laboratory (CSAIL) har udviklet MapLite, en ny ramme, der gør det muligt for selvkørende biler at køre på veje, de aldrig har været på før uden 3D-kort.

MapLite kombinerer simple GPS-data, som du finder på Google Maps, med en række sensorer, der observerer vejforholdene. I tandem, disse to elementer gjorde det muligt for holdet at køre autonomt på flere ikke-asfalterede landeveje i Devens, Massachusetts, og pålideligt registrere vejen mere end 100 fod i forvejen. (Som en del af et samarbejde med Toyota Research Institute, forskere brugte en Toyota Prius, som de udstyrede med en række LIDAR- og IMU-sensorer.)

"Grunden til, at denne form for 'kortfri' tilgang ikke rigtig er blevet gjort før, er, at det generelt er meget sværere at opnå samme nøjagtighed og pålidelighed som med detaljerede kort, " siger CSAIL kandidatstuderende Teddy Ort, som var hovedforfatter på et relateret papir. "Et system som dette, der kun kan navigere med indbyggede sensorer, viser potentialet i, at selvkørende biler faktisk kan håndtere veje ud over det lille antal, som tech-virksomheder har kortlagt."

Papiret, som vil blive præsenteret i maj på den internationale konference om robotteknologi og automatisering (ICRA) i Brisbane, Australien, blev skrevet sammen af ​​MIT-professor Daniela Rus og ph.d.-kandidat Liam Paull, som nu er adjunkt ved University of Montreal.

Hvordan det virker

På trods af alle de fremskridt, der er gjort med selvkørende biler, deres navigationsevner blegner stadig i forhold til menneskers. Overvej, hvordan du selv kommer rundt:Hvis du forsøger at komme til et bestemt sted, du tilslutter sandsynligvis en adresse til din telefon og konsulterer den af ​​og til undervejs, som når du nærmer dig kryds eller motorvejsafkørsler.

Imidlertid, hvis du skulle bevæge dig gennem verden som de fleste selvkørende biler, du ville i bund og grund stirre på din telefon, hele tiden du går. Eksisterende systemer er stadig stærkt afhængige af kort, kun ved hjælp af sensorer og synsalgoritmer for at undgå dynamiske objekter som fodgængere og andre biler.

I modsætning, MapLite bruger sensorer til alle aspekter af navigation, kun at stole på GPS-data for at få et groft skøn over bilens placering. Systemet sætter først både en endelig destination og det, forskere kalder et "lokalt navigationsmål", som skal være inden for synsvidde af bilen. Dens perceptionssensorer genererer derefter en vej for at komme til det punkt, ved hjælp af LIDAR til at estimere placeringen af ​​vejens kanter. MapLite kan gøre dette uden fysisk vejafmærkning ved at lave grundlæggende antagelser om, hvordan vejen vil være relativt mere flad end de omkringliggende områder.

"Vores minimalistiske tilgang til kortlægning muliggør autonom kørsel på landeveje ved hjælp af lokalt udseende og semantiske funktioner såsom tilstedeværelsen af ​​en parkeringsplads eller en sidevej, " siger Rus.

Holdet udviklede et system af modeller, der er "parameteriseret", hvilket betyder, at de beskriver flere situationer, der ligner noget. For eksempel, én model kan være bred nok til at bestemme, hvad man skal gøre ved vejkryds, eller hvad man skal gøre på en bestemt type vej.

MapLite adskiller sig fra andre kortfrie køremetoder, der er mere afhængige af maskinlæring ved at træne data fra ét sæt veje og derefter blive testet på andre.

"I sidste ende ønsker vi at kunne stille spørgsmål til bilen som 'hvor mange veje smelter sammen i dette kryds?'" siger Ort. "Ved at bruge modelleringsteknikker, hvis systemet ikke virker eller er involveret i en ulykke, vi kan bedre forstå hvorfor."

MapLite er stadig begrænset på mange måder. Den er endnu ikke pålidelig nok til bjergveje, da det ikke tager højde for dramatiske ændringer i højden. Som et næste skridt, teamet håber at udvide det udvalg af veje, som køretøjet kan håndtere. I sidste ende stræber de efter at få deres system til at nå sammenlignelige niveauer af ydeevne og pålidelighed som kortlagte systemer, men med en meget bredere rækkevidde.

"Jeg forestiller mig, at fremtidens selvkørende biler altid vil gøre en vis brug af 3D-kort i byområder, " siger Ort. "Men når man bliver bedt om at tage en tur uden for den slagne vej, disse køretøjer skal være lige så gode som mennesker til at køre på ukendte veje, de aldrig har set før. Vi håber, at vores arbejde er et skridt i den retning."