1700541290
图14.22 自动驾驶的两种截然不同的技术路线
1700541291
1700541292
第一条技术路径最早的里程碑是通用汽车公司在1939年纽约举行的世界博览会上，展示的“未来世界”（Futurama），如图14.23所示。随着美国在20世纪五六十年代铺设高速公路网络的热潮，美国无线电公司与通用汽车合作研发了电子化高速公路的原型，在一条改造过的高速公路上，利用电磁线圈引导两辆通用雪弗莱汽车在车道内行驶，并保持与前后车的距离，如图14.24所示。然而电子化高速公路受制于高昂的基础设施费用，和美国各州之间的法规标准的不统一，至今仍在政府支持的车联网（V2X）研究项目之中。
1700541293
1700541294
相比之下，自动驾驶的第二条技术路径：由自动机器人研究分支而来的自动化车辆，在过去10年获得了长足的发展。给这一方向带来突破性进展的是2001年美国国会通过的一项财政预算案：它资助美国军方的研究机构DARPA以实现2015年前有三分之一的军用车辆使用自动化驾驶的目标。DARPA在2001～2007年间，赞助了三场自动驾驶挑战赛。在2005年的挑战赛上，5辆无人驾驶汽车使用人工智能系统，成功完成了约212千米的越野赛道。其中获得冠军的斯坦福大学的“史丹利”车队（见图14.25），摒弃基于人工规则的方法，采用数据驱动的机器学习技术，来训练车辆识别障碍物和做出反应。2007年DARPA赛中CMU车队的负责人克里斯·厄姆森（Chris Urmson），后来成为谷歌无人驾驶项目的技术负责人。到2014年，他领导开发的谷歌无人驾驶汽车的行驶里程达到了112万千米。厄姆森感慨到：“两年前，我们绝对应付不来城市街道的上千种复杂路况，而现在自动驾驶却可以处理得游刃有余。”
1700541295
1700541296
1700541297
1700541298
1700541299
1700541300
1700541301
1700541302
图14.23 “未来世界”，由工业设计师贝尔.盖迪斯（Bel Geddes）设计
1700541303
1700541304
1700541305
1700541306
1700541307
图14.24 RCA与通用汽车合作研发的电子化高速公路测试
1700541308
1700541309
1700541310
1700541311
1700541312
图14.25 2005年DARPA挑战赛的 冠军“史丹利”（左一）
1700541313
1700541314
■ 自动驾驶与人工智能
1700541315
1700541316
自动驾驶的支撑技术可以分为以下3层。
1700541317
1700541318
上层控制：路线规划，交通分析，交通安排。
1700541319
1700541320
中层控制：物体识别，路障监测，遵守交规。
1700541321
1700541322
底层控制：巡航控制，防抱死，电子系统控制牵引力，燃油喷射系统，引擎调谐。
1700541323
1700541324
其中每一层都可以用到人工智能技术。图14.26将人工智能的算法与其在自动驾驶中的应用场景做了一个映射。
1700541325
1700541326
1700541327
1700541328
1700541329
图14.26 人工智能算法在自动驾驶中的应用场景
1700541330
1700541331
以下简要介绍中层控制中，路障监测用到两个重要的工具“占据栅格”和“不确定性锥”。
1700541332
1700541333
占据栅格是一个存储了汽车周围实体对象信息的数字存储库。占据栅格中的实体，一些是源于已经存储的高清地图的静止物体，另一些是汽车根据传感器的实时信号识别出的移动物体。通常使用彩色编码和图标，来可视化那些经常出现的物体所对应的占据栅格。 图14.27是谷歌无人车在一个十字路口，根据传感器数据进行物体识别所得到的占据栅格，叠加显示在高精度地图上。
1700541334
1700541335
有了占据栅格就知道物体当前时刻的位置。显然这还不够，自动驾驶汽车还需要知道物体在未来t时间可能出现在哪些位置。
1700541336
1700541337
不确定性锥就是用来预测汽车附近物体的位置和移动速度的工具。一旦基于深度学习的物体识别模块标记了一个物体，占据栅格就会显示出它的存在，不确定性锥就会预测物体下一步的运动方向。
1700541338
1700541339
