无人驾驶汽车的选择范围扩大到包括小型摩托车

在麻省理工学院2016年的开放日上，100多名参观者乘坐了一辆自动移动滑板车，试用了由麻省理工学院计算机科学与人工智能实验室(CSAIL)、新加坡国立大学和新加坡-麻省理工学院研究与技术联盟(SMART)的研究人员设计的软件。

研究人员之前在自动驾驶汽车和高尔夫球车的试验中使用了相同的传感器配置和软件，因此新的试验完成了全面自主移动系统的演示。原则上，行动不便的用户可以使用踏板车穿过公寓大楼的大厅，乘坐高尔夫球车穿过大楼的停车场，并在公共道路上搭载自动驾驶汽车。

新的试验表明，研究人员的控制算法在室内和室外都有效。新加坡国立大学(NUS)机械工程研究生、SMART研究员斯科特·彭德尔顿(Scott Pendleton)说:“我们在更狭小的空间里测试它们。”“我们测试的其中一个空间是麻省理工学院的无限走廊，这是一个非常困难的本地化问题，因为长廊很长，没有很多特色。你可能会失去沿走廊的位置。但事实证明，我们的算法在这种新环境下工作得非常好。”

研究人员的系统包括几层软件:低级控制算法，使车辆能够立即对环境变化做出反应，例如行人从其路径上飞奔而过;路线规划算法;车辆用于确定其在地图上的位置的定位算法;它首先使用地图构建算法来构建地图;一种分配车队资源的调度算法;还有一个在线预订系统，可以让用户预约乘车。

均匀性

对所有类型的车辆——踏板车、高尔夫球车和城市汽车——使用相同的控制算法有几个优点。一是对系统的整体性能进行可靠的分析变得更加实际。

“如果你有一个统一的系统，所有的算法都是一样的，那么复杂性要比你有一个异构系统，每辆车做不同的事情要低得多，”麻省理工学院电子工程和计算机科学教授、该项目的负责人之一丹妮拉·罗斯(Daniela Rus)说。“这对于验证多层复杂性是正确的很有用。”

此外，由于软件的一致性，一辆车获取的信息可以很容易地转移到另一辆车。例如，在送到麻省理工学院之前，滑板车在新加坡进行了测试，使用的是自动高尔夫球车绘制的地图。

新加坡国立大学机械工程副教授马塞洛·昂(Marcelo Ang)与罗斯共同领导了这个项目，他说，同样，在正在进行的工作中，研究人员正在为他们的车辆配备机器学习系统，这样与环境的互动将提高他们的导航和控制算法的性能。“一旦你有了一个更好的司机，你可以很容易地把它移植到另一辆车上，”Ang说。这在不同平台上都是一样的。”

最后，软件一致性意味着调度算法在分配系统资源时具有更大的灵活性。如果无人驾驶高尔夫球车无法载着用户穿越公园，摩托车可以代替;如果市区汽车不能在乡间小路上进行短途旅行，那么高尔夫球车或许可以。

改变看法

麻省理工学院的滑板车试验也表明，研究人员可以轻松地在新的环境中部署他们的模块化硬件和软件系统。罗斯说:“这对我来说很不寻常，因为这是一个团队在大约两个月内完成的项目。”

研究人员在上周IEEE智能交通系统国际会议上发表的一篇论文中描述了滑板车系统的设计和试验结果。与Rus、Pendleton和Ang共同撰写论文的还有领导SMART自动驾驶汽车项目的尤洪(音译)，以及另外四名来自新加坡国立大学和SMART的研究人员。

论文还报道了研究人员在试验期间进行的简短用户调查的结果。在骑电动滑板车之前，用户被问及他们认为自动驾驶汽车的安全程度，从1到5分不等;骑完车后，他们又被问了同样的问题。骑滑板车的经验使平均安全得分从3.5上升到4.6。

麻省理工学院(MIT)

www.mit.edu

- Chris Vavra编辑，制作编辑，控制工程， CFE传媒，
cvavra@cfemedia.com。查看更多控制工程CNC和运动控制的故事。

您是否具有本内容中提到的主题的经验和专业知识?您应该考虑为我们的CFE媒体编辑团队做出贡献，并获得您和您的公司应得的认可。点击在这里开始这个过程。