要内容及技术指标: |
现有的机器人自动驾驶解决方案主要分为三类。一类是
基于高精度激光雷达与提前构建的高精度地图。这一类
方案,高精度雷达成本高,同时构建高精度地图在一些
工作场景下不能实现。第二类为基于深度学习的计算机
视觉。这一类的缺点为,深度学习可解释性低,在高速
情况下,图像处理速度不够,同时需要大量标记数据。
第三类为常用的SLAM方法。可是这种方法只能于工作环
境较小的情况,同时构建地图时候需要清场。
新加坡国立大学的学者基于动态规划的数学模型,加上
深度学习计算机视觉,完成了一个通用的机器人自动驾
驶系统。安装上该系统的机器,只需要摄像头传回的视
觉信息与GPS地图 (室外)/楼层平面图(室内), 就
能在室内室外同时实现自动驾驶功能。
该方法在2018年击败麻省理工,斯坦福等高校,获得
NIPS 全球自动驾驶奥林匹克竞赛第一名。
该技术将无人驾驶分为三个不同的层
级进行控制。
• 在第一层,高维度的交通规则会进行
处理,比如, 当地为左行或者右行,
限制最高速度,
• 在第二层,针对点到点的位置,路径
将被规划。
• 在第三层,机器人将会根据摄像头传
回的信息,避让行人,障碍物。
在每个层级,应用了基于危险感
知的逆强化学习,模仿学习等技术。 |