印度團隊開發出可以像人類一樣思考的自動駕駛算法
譯文【51CTO.com快譯】印度理工學院(IIT)馬德拉斯分校的研究人員近日開發出了一種快速高效的“運動規劃”算法,該算法可以像人類一樣思考,能讓空中或地面的車輛在雜亂的環境中自動導航。
據研究團隊稱,算法是基于“廣義形狀擴展”(GSE)新概念開發的,這個新概念能夠為自動駕駛車輛規劃一條安全且動態可行的軌跡。
與許多目前最先進的運動規劃算法相比,印度的這一算法可以獲得了更好的效果。
團隊稱,由于采用新穎的方法計算“安全”區,它在許多對效率要求極高的線路規劃場景下,提供了至關重要的幫助,比如自動駕駛汽車、災難響應、ISR操作、空中無人機送貨和行星探索等應用。
無人機(UAV)常常用于勘查受災地區,并掃描殘骸,以執行搜救任務。研究人員稱,由于在這類應用中需要爭迅速規劃無人機飛行路徑,他們的算法可以發揮關鍵作用。
該研究由印度理工學院馬德拉斯分校的航空航天工程系助理教授Satadal Ghosh領導,已在《AIAA Journal of Guidance, Control and Dynamics》和《IEEE Control Systems Letters》等國際知名期刊,以及IEEE決策與控制大會(CDC)、美國控制會議(ACC)和AIAA等頂級會議上發表了數篇研究論文。
團隊成員包括:印度理工學院馬德拉斯分校校友、得克薩斯大學奧斯汀分校的博士研究學者Vrushabh Zinage、波蘭華沙理工大學的研究生Adhvaith Ramkumar以及高盛分析師Nikhil P。
Zinage說:“基于GSE的算法其工作原理是,計算由環境中由大的‘可見’區域組成的‘安全’區,基于GSE的算法會進行規劃,確保可導航性。”
Zinage說:“隨后,該算法會在‘可見’區域中隨機選擇一個點,并通過安全‘邊緣’將其連接到當前安全可達區域。最終,該算法幾乎總是可以連接環境中的任意兩點,滿足了某些基本標準。”
該研究人員解釋,基于GSE的算法其主要優勢在于,與另外幾種傳統的運動規劃算法相比,計算效率顯著提高。
這自然使得基于GSE的算法特別適合規劃緊急場景。
Adhvaith Rajkumar說:“這種算法不需要使用耗費量大計算的碰撞檢查模塊,而是利用了‘廣義形狀’這個新概念,廣義空間是從環境中的一個點可到達的最大自由空間,這一方式類似于人類對“安全”空間的判斷方式。”
這一算法本質上提高了探測環境的速度,基于GSE的算法只需很少的迭代即可連接初始區和目標區。
解釋“運動規劃”算法的應用時,印度理工學院馬德拉斯分校的航空航天工程系助理教授Satadal Ghosh說:“配備我們算法的無人機在災害管理和響應場景中可以發揮重要作用。”
他說:“發生地震等災難事件后,常常派無人機去勘查受災地區,并掃描殘骸以執行搜救任務。由于在這類應用中需要快速提前規劃無人機飛行路徑,我們的算法可以發揮關鍵作用。”
他說:“籠統地講,基于GSE的這類算法在自動應用環境下有廣闊的潛力,包括倉庫物料運輸、項目竣工驗收、無人機運送、災難管理、自動駕駛汽車等。還可以利用這種算法,在多車輛環境下制定協調運動的策略。”
據團隊聲稱,這項研究的現狀是局限于基于GSE算法的理論開發和改進,以及對其進行廣泛的基于現實模擬的驗證。
研究人員計劃在不久的將來在無人機和地面車輛上應用這些算法。
Ghosh說:“在動態環境下,來自車載傳感器的位置信息是有限的,或者當任務因動態變化的關鍵任務要求(比如情報、監視和偵察即ISR操作,或使用漫游車進行的行星探測)而干預車輛的移動時,通常需要對運動進行頻繁的、快速的重新規劃。”
Ghosh說:“我們目前的研究表明,即使在這種情況下,由于我們基于GSE的算法在環境中的不同點計算的可見區具有的獨特性,這種算法使實時運動規劃變得容易許多。”
【51CTO譯稿,合作站點轉載請注明原文譯者和出處為51CTO.com】





























