【智驾深谈】羡慕Tesla全自动系统?不能错过这五篇经典(全文下载)-阿里云开发者社区

开发者社区> 新智元> 正文

【智驾深谈】羡慕Tesla全自动系统?不能错过这五篇经典(全文下载)

简介:

就这几天Tesla发布了新版本的 AutoPilot, 8个相机(3个前向),更新换代了超声波,可以看到之前两倍的距离(其实大概就是4米……)更强的计算设备,Nvidia Titan(其实算法比计算平台重要太多倍),然后Musk声称可以进行5级全自动驾驶了,还附上了一段视频。讲道理其实我个人对这个配置做城区全自动驾驶是抱有怀疑态度的,因为我觉得速度较高的情况下,只有一个前向毫米波,换道你都搞不定(这难道是视频里面没有展示多车环境换道的原因?另外视频也并不是一镜到底连续的)。


不过吐槽归吐槽,Tesla也算是技术小能手了,很多人一定很好奇全自动驾驶到底是怎么做出来的,我推荐下面五篇论文。


【1100+引用】Stanley: The Robot that Won the DARPA Grand Challenge


640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=


这文章绝对是自动驾驶领域里最值得看的那篇文章了,出自著名的概率机器人理论发明人Sebastian Thrun,同时也是Google无人车的缔造者。Stanley是Stanford大学无人车的名字,赢得了2005年Darpa郊区挑战赛,具备非常智能的自动高速沙漠通过能力,而其设计的软件架构,在业界具有非常大的影响力,而其利用的机器学习和概率推理等算法,也被后人广泛应用,本文就逐个模块对Stanley进行了介绍。


【800+引用】Autonomous driving in urban environments: Boss and the Urban Challenge


640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=


业界应该没有人不知道CMU这辆Boss了,出自Google最近离职的自动驾驶总监Chris Urmson之手,获得了2007年Darpa挑战赛的冠军。Boss是一辆搭载了传感器和计算机的无人驾驶平台,目标是进行城区道路的全自动驾驶。它能够跟踪其他车辆,检测障碍物和利用高精地图进行自定位,采用三层规划系统(包括任务级、行为级和运动级)。任务级在用户给定目标后,会给出一个导航规划,而行为级则决定车辆如何换道和通过路口,运动级则详细规划行车动作和轨迹。Boss这篇文章给了后来很多从业者从架构到具体方法的指导,影响面非常广。


【500+引用】Junior: The Stanford Entry in the Urban Challenge


640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=

这篇文章出自Michael Montemerlo,当年是Stanford调车软件组的主力,其实他更出名的是做了FastSLAM。本文主要介绍了参加Darpa城市挑战赛的那辆Junior,可以自己选择路径,汇入和离开交通流,以及进行各种城区道路驾驶动作如换道、超车和路口通行等,当年比赛拿了个第二。


640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=


值得一提的是,后来Thrun的学生Jesse Levinson又补充了一篇paper,题目是“Towards Fully Autonomous Driving: Systems and Algorithms”,就是讲Junior主要目标是参加比赛,其中很多真实场景并没有考虑,因此需要重新考虑系统设计,如增加64线雷达,生成高精度地图用于厘米级精确定位;如更换了更加精细的规划算法,每秒钟从几千条备选轨迹中得到目标;以及将底层控制方法从油门制动分别控制改为联动控制等。进一步地,整个系统升级为适应更多天气和时间,并进行了上千公里真实路况的测试。


【400+引用】Vision-based intelligent vehicles: State of the art and perspectives


640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=

本文出自著名的Parma实验室,作者是视觉大神Massimo Bertozzi,算是很早的一篇关于自动驾驶视觉核心技术的文章了,发表在2000年。在当时,自动驾驶技术也曾掀起一波热潮,但是仅限于学术界,研究者看到了该技术的前景,看到了该技术对公共交通、驾驶安全呵能源消耗的潜在改善作用。这篇文章就对走视觉路线的技术方案做了一个综述,并对未来发展做了展望。接近十五年过去了,回过头再来看,别有一番滋味。


【300+引用】autonomous driving goes downtown


640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=


本文出自奔驰戴姆勒,作者是Uwe Frank,现在戴姆勒图像理解组的老大。这篇文章算是我知道的最早明确提出自动驾驶的机遇在城区这种观点的,发表于1999年。当时大部分车辆辅助系统还是面向高速道路,而Frank提出智能启停、跟车和行人检测等任务则更具有前景,当然也更有挑战(大牛都是这么挖坑的)。文章中也详细描述了戴姆勒在城区道路上图像方面的工作。


640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=


在多年的积累之后,2013年奔驰举办了一场具有纪念意义的自动驾驶展示活动,采用一辆奔驰S级500轿车,配备了上图所示的传感器配置,沿着当年Bertha Benz开的第一辆奔驰车所经过的路径,全自动驾驶了一路,该路径长约103千米,包含城区和郊区道路,途径23个村庄城镇,对于自动驾驶系统来讲,充满了各种各样的挑战。与源自Darpa的团队不同,该车采用的全都是接近量产形态的传感器和计算平台,结合自动制作的高精度地图,并且没有采用价格昂贵的激光雷达。整个过程后来发了一篇 paper,Making Bertha Drive— An Autonomous Journey on a Historic Route,展现了克服困难过程中许多的技术细节。


结语


640?wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=

几乎任何技术的发展,都离不开学术界和产业界的不断互动。现在自动驾驶产业的繁荣是有目共睹的,那我们就更有必要追根溯源,看看这些源自学术界的技术是如何诞生、演进,看看这些学术人是如何逐步走向产业界,继续发挥自己影响力的。


最近有很多读者反馈想要一个自动驾驶技术发展的综述,类似上图中所示。其实自动驾驶技术发展到现在也超过五十年,整个过程也是充满血泪,半个世纪之前的ACC技术现在才开始在真车上量产部署。我想说的是综述绝对是文章里面最难写的那种,好的综述需要作者进行大量的文献检索和阅读,汇总各家发展然后才能整理成文,而且最重要的还需要有一条主线来贯穿,至少到目前为止我还没能腾出时间来做类似的文章,但值得期待的是,我已经着手准备了。查论文这种事情一直都是件麻烦事,从哪里查,用什么关键字查,都有很多的学问。本文采用之前我读过的一个方法和数据,即从EBSCO、Science Direct、Emerald和ISI数据库里,用“self driving car”、“driveless car”和“autonomous driving”这几个关键词,只在标题和摘要里检索了一下,搜出了差不多400篇文章(去重以后),按照引用排序就得到了这五篇文章。


文章转自新智元公众号,原文链接

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

分享:
+ 订阅

官方博客
官网链接