分类
麻省理工学院新闻

在棘手的十字路口,更好的自主“推理”

Model提醒无人驾驶汽车,何时在视线受阻的十字路口并入车流最安全。

麻省理工学院(MIT)和丰田(Toyota)的研究人员设计了一种新模型,可以帮助自动驾驶汽车判断何时在视线受阻的十字路口并入车流是安全的。

无论是无人驾驶汽车还是人类,在十字路口行驶都是危险的。根据2018年交通部的一项研究,2016年,大约23%的致命交通事故和32%的非致命交通事故发生在十字路口。帮助无人驾驶汽车和人类司机在十字路口驾驶的自动化系统,可能要求司机能直接看到他们必须避开的物体。当他们的视线被附近的建筑物或其他障碍物阻挡时,这些系统就会失灵。

研究人员开发了一个模型,该模型利用其自身的不确定性来评估潜在的碰撞或其他交通中断的风险。它衡量了几个关键因素,包括附近所有的视觉障碍、传感器噪音和误差、其他车辆的速度,甚至还有其他司机的注意力。根据测量的风险,系统可能会建议汽车停下来,驶入车流,或者向前轻推以收集更多的数据。

“当你接近十字路口时,有潜在的碰撞危险。照相机和其他传感器需要视线。计算机科学和人工智能实验室(CSAIL)主任、电气工程和计算机科学的安德鲁和埃尔纳·维特比(Andrew and Erna Viterbi)教授丹妮拉·罗斯(Daniela Rus)说。“在这项工作中,我们使用了一种对不确定性更强的预测控制模型,来帮助车辆安全地在这些具有挑战性的道路情况下行驶。”

研究人员对该系统进行了100多次测试,在模拟城市中,遥控汽车在繁忙、堵塞的十字路口左转,而其他汽车则不断穿过十字路口。实验涉及全自动汽车和由人类驾驶但由系统辅助的汽车。在所有的案例中,根据不同的因素,该系统成功地帮助汽车在70%到100%的时间内避免碰撞。在相同的遥控车上安装的其他类似模型有时无法在不发生碰撞的情况下完成一次试运行。

加入Rus的有:第一作者Stephen G. McGill, Guy Rosman,和丰田研究所(TRI)的Luke Fletcher;研究生Teddy Ort和Brandon Araki,研究员Alyssa Pierson,博士后Igor Gilitschenski,都来自CSAIL;麻省理工学院航空航天副教授Sertac Karaman;约翰·j·伦纳德,麻省理工学院机械和海洋工程塞缪尔·c·柯林斯教授,TRI技术顾问。

建模公路段

这款车型是专门为十字路口设计的,在十字路口没有红绿灯,汽车在进入车流前必须先让路,比如左转通过多车道或环形车道。在他们的工作中,研究人员将道路分成小段。这有助于模型确定任何给定的段是否被占用,以估计有条件的碰撞风险。

自动驾驶汽车装有传感器,可以测量路上其他车辆的速度。当一个传感器记录一辆经过的汽车行驶到一个可见的路段时,该模型使用这个速度来预测汽车通过所有其他路段的进程。概率“贝叶斯网络”也会考虑不确定性——比如有噪声的传感器或不可预测的速度变化——来确定每一段被过往车辆占据的可能性。

然而,由于附近的闭塞,这种单一的测量可能不够。基本上,如果一个传感器不能看到指定的路段,那么这个模型就会赋予它被堵塞的高可能性。从汽车所在的位置看,如果汽车只是快速驶进车流,碰撞的风险就会增加。这鼓励汽车向前轻推,以获得所有堵塞部分的更好的视图。当汽车这样做时,模型降低了它的不确定性,进而降低了风险。

但是,即使该模型做的一切都是正确的,仍然存在人为错误,所以该模型也会估计其他司机的意识。麦吉尔说:“如今,司机们可能在发短信或其他分心的事情,所以他们做出反应的时间可能要长得多。”“我们也对这种有条件风险进行了建模。”

这取决于司机看到或没有看到自动驾驶汽车驶入十字路口的概率。为了做到这一点,该模型会查看行驶的车辆在十字路口之前通过的路段数量。它在到达十字路口之前占据的路段越多,它发现自动驾驶汽车的可能性就越大,碰撞的风险也就越低。

该模型汇总了所有来自交通速度、交通阻塞、噪声传感器和驾驶员感知的风险评估。它还会考虑自动驾驶汽车需要多长时间来引导一个预先规划的道路通过十字路口,以及所有安全的路口停车点。这产生了一个总的风险估计。

无论车辆位于十字路口的哪个位置,该风险评估都会不断更新。例如,在存在多个遮挡时,它会一点点向前推进,以减少不确定性。当风险估计足够低时,模型告诉汽车不停车通过十字路口。研究人员发现,在十字路口中间逗留太久也会增加撞车的风险。

援助和干预

研究人员说,在远程控制汽车上实时运行这个模型表明,它的效率和速度足以在不久的将来部署到全尺寸的自动驾驶汽车上。(许多其他车型在计算上过于笨重,无法在这些车上运行。)在实际应用于生产车辆之前,该模型还需要更严格的测试。

该模型将作为一个补充的风险度量,一个自动驾驶系统可以用来更好地解释安全通过十字路口。该模型也有可能在某些“高级驾驶员辅助系统”(ADAS)中得到实现,在这些系统中,人类保持对车辆的共同控制。

接下来,研究人员打算在模型中加入其他具有挑战性的风险因素,如道路交叉口内和周围的行人。

新闻旨在传播有益信息,英文原版地址:http://news.mit.edu/2019/risk-model-autonomous-vehicles-1104