如何讓自動駕駛汽車可以在無道路標識和車道線的鄉間小道上行駛，近日麻省理工給出了答案。麻省理工的計算機科學和人工智能實驗室(簡稱CSAIL)開發了一套全新的系統，讓自動駕駛汽車可以在沒有地圖的道路上行駛。該系統叫做MapLite，它結合了簡單的GPS數據和一系列傳感器，傳感器用于收集道路狀況。

作為一臺合格的自動駕駛汽車，必須時刻掌握“我是誰？我在哪兒？我在干什么？”，明白“我是誰”并不難，這也是一臺自動駕駛汽車所應具備的最基礎素質，但要做到清楚“我在哪兒”就不是那么容易了，自動駕駛車輛對于定位的精度要求遠比我們日常手機定位的精度要高，而在鄉村小路實現高精度定位就更加困難；如何掌握“我在干什么”更是一件難上加難的事情，自動駕駛車輛必須先做到前兩點才有可能做到清楚“我在干什么”，此次麻省理工所打造的這套全新系統的意義正是讓自動駕駛車輛在鄉間小道可以做到后兩點。

無獨有偶，關于殘破的車道線，特斯拉CEO埃隆·馬斯克也發表過不滿，他認為不夠清晰的車道線經常使特斯拉的駕駛輔助系統出現混亂，從而增加發生事故的風險。

麻省理工設計的MapLite彌補了自動駕駛適用場景的空白，也讓自動駕駛由L4級別向L5級別邁進了一步。那么這套系統的工作原理是什么呢？

MapLite使用傳感器進行導航，依賴GPS數據獲取汽車位置的粗略數據。首先，系統會設置兩個值，一是最終目的地，二是“本地導航目標”，本地導航目標要在汽車的傳感器探測范圍之內，傳感器采集的數據會用來生成一條路徑，及其中激光雷達負責估計道路邊緣的位置。 值得注意的是，MapLite不依靠任何道路標志，只要感受到周圍的凹凸不平，就知道怎樣才能畫出一條相對平緩的路。

事實上，此前一些公司已經在研究利用深度學習技術來實現無道路標線或標識的自動駕駛，例如當道路被暴風雪掩埋之后，如何利用深度學習來讓車輛自動判斷出合適的行駛路徑。與麻省理工的技術相比，利用深度學習技術所實現的自動駕駛可以更加接近于真實駕駛員的駕駛習慣與駕駛感受。但是深度學習技術也存在著一個巨大的劣勢，那就是首先必須要有大量的數據供電腦去學習，如何積累這些數據是考驗各大廠商的一大難題。

根據麻省理工的構想，最終的目標是讓MapLite走上商用化的道路，在去年的底特律車展上，美國交通部長Elaine Chao表示：“讓自動駕駛汽車進入農村地區是非常重要的。我們也想讓自動駕駛技術造福農村地區?！边@顯然是這項技術最終實現商業化落地的一大助推力量。可現實依然相當殘酷，目前農村地區對于自動駕駛技術的需求遠沒有城市旺盛，因此短時間內自動駕駛技術很難在農村地區普及。

返回第一電動網首頁 >