长期以来一系列的科幻小说,自驾动车充当 机器人司机 几十年来一直是文化梦想。然而,对于大多数时候,梦想似乎是一些无法实现的未来的一部分。

但现在,通过谷歌突然和意外收费的大部分领导,自治机器人汽车陷入僵局,靠近现实。随着各种映射,最近融合的传感和基于位置的技术,谷歌已经开始将自己定位为我们的Robo-司机未来的领导者。然而,对于所有技术的承诺,它仍然有一些专业—也许可能是不可逾越的—hurdles to overcome.

谷歌估计,每年无人驾驶汽车可以在全球范围内保存一百万个生命。根据国家公路交通安全管理局 (NHTSA)在美国,2008年,2008年有580万次撞车。其中约34,000人导致死亡人数,160万导致伤害,420万次占有一些财产损失。 NHTSA表示这些数字随着时间的推移而下降—至少部分证明所有车辆的不断增加的安全性—但他们显然仍然占了大量死亡,伤害和损失,即无人驾驶汽车可能会大幅减少。

巨大的跳跃与搁板的组件
四十年前,第一辆自动驾驶汽车几乎不仅仅是粗糙,缓慢移动的速度,在路上涂在路上。然而,过去几年,在寻求自动公路车辆的情况下,从一个开始时会加速成功 一系列自动驾驶挑战国防高级研究项目局(DARPA)于2004年至2007年举行 帮助制定可以在战场上取代一些美国军事人员的机器人。

去年,一批来自斯坦福大学动态设计实验室的工程师, 电子研究实验室 对于大众汽车组和软件制造商Oracle Corp.通过成功运行265马力将无人驾驶汽车转移到更高的装备中 自主奥迪TTS派对峰研究汽车 在科罗拉多州的锡克斯峰国际山攀登比赛的20公里 不停止。运动型掀背车—Volkswagen owns Audi—在其中继中携带两台计算机,都使用Oracle的Java实时系统运行算法,使汽车在路上保持车辆,并在其处理能力的限制下进行不同的表面和条件。

谷歌的自动驾驶汽车项目去年退出隐身模式,目前公司正在游说内华达州 第一个允许自动驾驶汽车在公共道路上合法运行。为此,谷歌的机器人舰队已经超过了24万公里,人类干预最小,只有一个事件,其中测试车被另一个(人机)的车辆追尾。与在电影屏幕上溅起的未来派科幻图像不同,Google舰队包括传统车辆—六个普锐斯和一个奥迪—已经配备了由搁板的组件组成,包括两个前向视频摄像头,360度激光测距仪,四个雷达传感器和高级GPS单元。

谷歌项目非常远离DARPA挑战。事实上,谷歌团队的许多成员都是这些比赛的校友,并带来了在那个时间里汲取的经验教训。

"当然,传感器技术允许我们今天与15年前这样做的很多进展,"克里斯Urmson说,谷歌项目的技术领导和Carnegie Mellon团队的领先领先,赢得了2007年的Darpa城市挑战。"但是我们看到真正的力量是在软件中拍摄数据并弄清楚与它有关的事情。 "

这是一种媒体解释周围环境中发生的事情的能力,然后恰当地反应,这可能是自驾车未来的最大技术挑战。

常识问题
谷歌项目的一个方面经常在偶然的观察者上丢失的是,即使没有人类有助于驱动他们,它的汽车也不是完全自主的。为了使车辆运作,需要在一个测试汽车之一提前通过人类驱动路线并使用其传感器阵列映射。然后将这种丰富的映射数据存储在Google数据中心,并且将其一部分装入汽车的硬盘驱动器中。储量的位置,学校区域以及其他合理静态的任何东西都被标记为允许这辆车将承认它们,而无需实时解释它们。

"计算机是着名的常识,您可以将这种预先绘制作为一种方法,以便在汽车中引导一些常识," Urmson says.

即便如此,如果在组装地图的时间与测试车辆驱动路线时的世界之间发生变化,则可能会导致混淆。"现在有事情对我们来说是一个挑战" Urmson says. "例如,如果世界上大多数人保持不变,但车道转移—所以物理道路没有动,但无论出于什么原因,交通部都决定了我们应该向左边的半行道开车—这可能会让这辆车混淆。 "

谷歌的努力有两个主要组成部分:"首先是可靠性,这意味着随着我们希望它一遍又一遍地做的事情;第二个是鲁棒性,它正在处理不寻常的情况,仍然是安全的," Urmson says.

根据URMSON的情况,提高系统可靠性和稳健性的大部分能力取决于开发可以看到的新传感器并提供更远的数据集。但是,自动驾驶机器人能够处理出乎意料或不寻常的情况,这些情况被抛出,这是一些问题的自动驾驶汽车的明显不可避免。

约翰伦纳德,马萨诸塞州理工学院机械和海洋工程教授领导该大学的团队在2007年的DARPA城市挑战中落后于第四位完成,认为在自动驾驶汽车可以是需要克服机器人感知的主要技术障碍部署在大规模。

"我对谷歌的同事们非常钦佩," Leonard says. "他们所取得的表现是惊人的—例如,他们在高速公路速度下驾驶的能力。然而,由于他们提前建造地图,然后使用人类挑选停止标志和路面等,而且比在世界上自主地宽松地失去机器人,而且非常少。"

处理极端
Leonard的工作很多都集中在同时定位和映射(SLAM)。与谷歌的系统所需的预先映射不同,SLAM将允许车辆在它正在映射它的同时驾驶世界。这种自主驾驶的圣杯将大大增加自动驾驶汽车处理动态变化信息的能力—但即使是猛烈的问题也无法解决所有问题。

超过15年前 跨美国没有手 Leonard说,团队从华盛顿州乘华盛顿(D.C.)从华盛顿州驶入圣地亚哥,并使其在没有人为干预的情况下获得98.2%。最后1.8%呢?"即使在今天也在处理那些意想不到的时刻,这是一个关键挑战" he adds. "试图达到100%的绩效水平,有一个常识推理—人工智能的难以捉摸的目标之一—没有多少预先映射将为您做好准备。"

甚至谷歌承认他们对处理这些意想不到的时刻没有好方法,这就是为什么每个测试车辆在船上有两个备用人类监测,并且当汽车奇怪的反应时接管。"我们的计划在这一点上是一个研究计划,我们还没有真正解决这个问题," Urmson says. "如果我们今天把人们带到车里,他们会开得很好,你可能不会在路上注意到他们,直到出现意想不到的事情或系统的[不可靠性]出现。"

方式M.I.T.的伦纳德看到了它,这些不可靠性的要素是我们未来自驾车的地方妨碍了。"想象一下,一个盒子在你面前的道路上落在路上,因为它没有正确地束缚," he says. "系统需要做出分运第二决定,以便直接通过它或向左或向右转移—这可能比往往会产生更糟糕的后果。问题的症结在于曲线的尾部的那些极端情况,这更加困难,更难以处理。"

"尽管机器人设计师的所有努力,人类仍然做蠢事," Leonard says. "假设10人生成的死亡率被五个机器人产生的死亡人数所取代,是社会想要制作的道德贸易?"

巨大的潜在奖励
即使有可能无法解决的问题,谷歌的团队也会看到了拯救生命,降低能源消耗的绝佳承诺,并提高生产力,以便继续追求它。已经,他们已经看到系统出现意外"intelligence"通过将喂养的行为组合在一起并搅拌出令人惊讶的有益结果。

URMSON在最近的测试驱动器上召回了一瞬间,因为这辆车接近人行横道,它没有明显理由停止。他开始讲述他的联合司机,软件中可能是一个错误,但就在那一刻,一位年长的女人从她隐藏在一排停放的汽车后面的道路上踏入了道路上。"对我来说,那些是最令人兴奋的时刻,因为他们展示了这个系统的承诺,能够看到不仅仅是一个人体," he says.

虽然这肯定是机器人驱动车辆巨大承诺的证据,但伦纳德在真正自治车成为现实之前看到了一些主要的技术挑战。"有助于自动驾驶汽车技术产生影响,并在不提供完全自主车辆的情况下产生影响和挽救生命,"他说,添加了该技术的比特和碎片可能会提供新的和巧妙的安全和环境效益。"但如何提供全自动车辆的问题仍未予以答复。"

由于公司拥有最多的资源投入项目和成功技术创新的声誉,谷歌的努力肯定会使许多人相信,他们很快就会在他们的早晨睡午觉,而一个机器人汽车有效地致询他们工作昆明—而谷歌团队没有试图劝阻这种一厢情愿的思维,相信这项技术将相对迅速地达到消费者的手(或免提)。

"通过任何类型的技术,使未来的预测或者将采用的速度很快是非常困难的," Urmson says. "十年来是一个安全的估计,但我认为这很难说。"@ font-face {font-family:"Times New Roman"; @ Font-Face {Font-Family:"Verdana"; @ Font-Face {Font-Family:"Cambria"; p.msonormal,li.msonormal,div.msonormal {余量:0in 0in 0.0001pt;字体大小:12pt; FONT-FAMILY:CACBRIA; table.msonormaltable {font-size:10pt;字体系列:"Times New Roman";跨越跨越{文本装饰:下划线;颜色:绿色; spand.msodel {文本装饰:线路;红色; div.section1 {页面:第1节; }