（圖片來源：通用汽車）

據(jù)外媒報道，當?shù)貢r間6月27日，通用汽車（GM）旗下自動駕駛初創(chuàng)公司Cruise發(fā)布了一篇博文，其中詳細介紹了其180多輛自動駕駛雪佛蘭Bolt車如何學習預測人類駕駛員行為。

每天，舊金山人都需要開車穿過通往6個方向的十字路口、狹窄的街道、陡峭的地形等。人們在城市中駕駛時，會檢查后視鏡、遵守限速規(guī)則、預測其他駕駛員行為、查看行人以及在擁擠的街道上行駛等等。舊金山市區(qū)的每輛車遇到行人、騎自行車的人以及其他車輛的頻率是郊區(qū)的46倍。而其中遇到的障礙之一就是有很多雙排停放的汽車，據(jù)Cruise所說，與郊區(qū)相比，在城市遇到此種的情形的頻率是郊區(qū)的24倍，因此讓汽車學會在此種環(huán)境中安全駕駛非常必要。

為了實現(xiàn)安全駕駛，Cruise的自動駕駛汽車首先需要通過尋找一些線索，如停放的車輛離道路邊緣的距離、是否在剎車或者打開了危險信號燈、以及該車距離最遠的十字路口有多遠，以識別此類車輛。此外，Cruise自動駕駛汽車還通過識別車輛類型（送貨卡車經(jīng)常并排停放）以及附近是否停車位相對稀少來識別此類車輛。

Cruise的Bolt自動駕駛汽車通過傳感器，特別是威力登的激光雷達傳感器、以及短程和遠程雷達傳感器、高分辨率毫米波雷達articulating（博世提供）以及視頻攝像頭來識別上述信息。攝像頭可以識別汽車指示燈的狀態(tài)和道路特征（例如安全錐或路標），同時激光雷達和雷達分別測量距離和速度。然后，自行車、行人和其他車輛等原始識別數(shù)據(jù)會產(chǎn)生在車載計算機上運行的機器學習模型。

稱為遞歸神經(jīng)網(wǎng)絡（RNN）的AI架構可以根據(jù)傳感器和地圖信息（包括停車位的可用性、道路類型和車道邊界）確定車輛是否是雙排停放，該RNN能夠不斷增強Cruise自動駕駛汽車的決策信心。

Cruise的模型預測控制（MPC）算法是一個通用策略，能夠計算出運行軌跡，該算法依賴系統(tǒng)行為，找到最佳行動決策。最終的結果是，Cruise的自動駕駛汽車會超過雙排停放的汽車，但是會為騎自行車的人以及迎面而來的車輛讓路。

返回第一電動網(wǎng)首頁 >