MapLite系统结合了全球定位系统(仅使用来自OpenStreetMap的最基本的地形图), 以及用于监测道路状况的激光雷达和IMU传感器.
该系统可以通过GPS获得汽车的地理位置信息, 并利用这些信息来识别最终目的地和汽车视野范围内的 '本地' 目标. 然后, 这台设备可利用其车载感应器, 来生成到达这些地方点的路径, 并使用激光雷达来估计道路边缘. 这个系统预制了一些通用的, 基于参数的模型, 这些模型使得汽车知道在十字路口或特殊道路上该怎么做.
该系统可能会帮助防止未来的事故发生, 比如最近发生的涉及Uber自动驾驶汽车的死亡事故.
到目前为止, 在实际道路上测试的许多自动驾驶汽车, 通常需要标记良好的3D地图来识别限速, 车道和标志. 但在乡村地区的道路上, 往往没有这些标志物.
因此, 麻省理工学院的CSAIL团队开发了一种方法, 使得自动驾驶汽车能够识别和预测当地的环境, 而不是依赖于3D地图数据.
计算机科学与人工智能实验室的研究生泰迪·奥特(Teddy Ort)表示: '这种 '无地图' 方法之所以没有真正做到过, 是因为它通常很难达到和详细的地图一样的准确性和可靠性. 像这样的系统可以通过车载传感器进行导航, 这显示出自动驾驶汽车能够实际处理科技公司未绘制的少量道路的潜力. '
研究人员起草了一篇论文, 描述了将于本月晚些时候在澳大利亚布里斯班举办的机器人与自动化国际会议(ICRA)上发布的这款系统.
为了测试该系统, 他们为自动驾驶汽车丰田普锐斯配备了激光雷达, 传感器和MapLite. 普锐斯汽车通过 '看到' 前方10英尺(约合3米)以上的道路, 在马萨诸塞州德文斯的多条未铺砌的农村道路上成功导航.
奥特解释称, 他们的系统不同于其他 '无地图' 方法, 后者使用机器学习来训练系统.
研究人员表示, 他们的系统无法处理海拔迅速变化的环境, 所以无法在山路上导航.
奥特表示: '我能想象未来的自动驾驶汽车总是会在城市地区使用3D地图, 但是当我们被要求从僻静的道路出发时, 这些车辆就需要像人类一样, 在它们从未见过的陌生道路上行驶. 我们希望我们的工作是朝着这个方向迈出的一步. '