谷歌无人车重磅报告 通往完全自动驾驶之路.docx

谷歌无人车重磅报告 通往完全自动驾驶之路.docx

《谷歌无人车重磅报告 通往完全自动驾驶之路.docx》由会员分享，可在线阅读，更多相关《谷歌无人车重磅报告 通往完全自动驾驶之路.docx（45页珍藏版）》请在冰豆网上搜索。

谷歌无人车重磅报告通往完全自动驾驶之路

谷歌无人车重磅报告：

通往完全自动驾驶之路

谷歌发布了一份无人车重磅报告：

《通往完全自动驾驶之路》。

这份42页的报告从技术层面详细展示了谷歌Waymo无人车的软件、硬件、测试流程，还讲了无人车行驶的限制条件，“失败”时如何安全停车，甚至车祸后如何处理、记录哪些数据，以及车辆上采取的网络安全措施等等。

按照提纲来说，共有如下几部分内容：

这份报告是谷歌对Waymo无人车自动驾驶技术方案的一次详尽解读。

量子位摘录其中的要点如下。

1、无人车要解决的四大问题

根据Waymo在报告中的介绍，一辆无人车站在马路上，和人类司机一样，通常需要回答4个问题：

为了解决“我在哪”这个问题：

Waymo的无人车依靠的不是GPS，而是是团队自己建立的详细三维地图，上面突出显示了路况、“倒鸭子”、人行道、车道标记、人行横道、交通信号灯、停车标志和其他道路特征信息，也就是我们常说的高精地图。

通过将传感器实时数据和预先建立的高精地图相比对，车辆就能确定自己在哪了。

解决“我周围有什么”：

是靠传感器和软件的配合，来识别车辆、行人、自行车、施工现场、障碍物，以及辨别交通灯的颜色、临时停车标志等等。

“接下来要发生什么”则是对车辆周围每一个动态对象未来运动的预测：

Waymo的软件能根据对象当前的速度和轨迹预测未来的运动，也知道车辆和行人、自行车的区别。

而最后一个问题：

“我该怎么办”，指的是无人车的决策。

Waymo的软件会根据前三个问题提供的信息，来选择正确的轨迹、速度、车道和转向操作。

Waymo无人车解决这四个“车生终极问题”的目标，是在特定地理区域内、特定条件下，完全不需要人类介入来完成整个动态驾驶任务，也就是国际汽车工程师协会（SAEInternational）所定义的L4自动驾驶。

要实现这个目标，依靠的是车上搭载的传感器和自动驾驶软件

传感器

Waymo在报告中以菲亚特-克莱斯勒Pacifica车型为例，详细介绍了他们在无人车上所用的自动驾驶传感器，这些传感器赋予了无人车360度视野，最远能“看清”300米外的物体，有三个橄榄球场那么远。

软件

无人驾驶软件是车辆的“大脑”。

利用传感器获取信息后，还要借助这些信息针对每种情况制定最佳驾驶决策。

Waymo花了8年时间，使用机器学习和其他先进的工程技术开发和改进了软件，并通过数十亿英里的模拟驾驶和超过350万英里的路测对软件进行了训练。

这套系统能够深刻理解世界的背景信息；这是L4级自动驾驶技术的关键差异点。

Waymo的无人驾驶软件不仅能探测到其他物体，还能理解这些物体是什么、它可能的行为方式以及会对汽车自身的道路行为产生何种影响。

无人车正是凭借这种方式才得以在全自动模式下安全地上路行驶。

这套软件由很多不同的部分组成，主要包括三大组件：

感知（perception）、行为预测（behaviorprediction）和规划器（planner）。

感知系统：

感知系统是对路上物体进行探测和归类的组件，它还可以持续测算物体的速度、方向和加速度。

无人驾驶软件通过传感器获取详细数据，然后将其转化成现实世界的全面视图。

感知系统帮助无人车区分行人、骑行者、摩托车手、汽车等道路参与者。

它还能区分交通信号灯等静态物体的颜色。

对于这些物体而言，感知系统使得整套系统可以在语义上理解周围的车辆——信号灯是否变绿，从而允许车辆前行，或者车道是否被前方的锥桶封闭。

行为预测：

借助行为预测，软件可以对道路上的每个物体进行建模，并对其加以预测和理解。

由于Waymo拥有数百万英里的驾驶经验，无人车能针对不同道路参与者可能的行为方式建立准确的模型。

例如，软件能明白尽管行人、骑行者和摩托车手看起来相似，但他们的行为却大不相同。

行人行进速度远慢于骑行者和摩托车手，但他们却能更加突然地改变方向。

规划器：

规划器会考虑软件通过感知和行为预测手机的所有信息，然后为汽车规划一条路径。

根据经验，最好的司机都信奉安全第一。

正因如此，Waymo植入了防御性驾驶行为。

例如，保持在其他驾驶员的盲区之外，以及为骑行者和行人留出额外空间。

规划器还能提前思考几步之后的决策。

例如，如果软件认为前方临近的车道因为施工被封闭，而且预计那条车道的骑行者会变道，规划器就可以做出减速决定，提前为骑行者腾出空间。

Waymo还借助路测经验对驾驶模式进行改进，使得行驶过程更加顺畅，令车内乘客更加舒适，让其他道路用户可以预测无人车的动向。