MapLite系統結合了全球定位系統(僅使用來自OpenStreetMap的最基本的地形圖), 以及用於監測道路狀況的雷射雷達和IMU感測器.
該系統可以通過GPS獲得汽車的地理位置資訊, 並利用這些資訊來識別最終目的地和汽車視野範圍內的 '本地' 目標. 然後, 這台設備可利用其車載感應器, 來生成到達這些地方點的路徑, 並使用雷射雷達來估計道路邊緣. 這個系統預製了一些通用的, 基於參數的模型, 這些模型使得汽車知道在十字路口或特殊道路上該怎麼做.
該系統可能會幫助防止未來的事故發生, 比如最近發生的涉及Uber自動駕駛汽車的死亡事故.
到目前為止, 在實際道路上測試的許多自動駕駛汽車, 通常需要標記良好的3D地圖來識別限速, 車道和標誌. 但在鄉村地區的道路上, 往往沒有這些標誌物.
因此, 麻省理工學院的CSAIL團隊開發了一種方法, 使得自動駕駛汽車能夠識別和預測當地的環境, 而不是依賴於3D地圖數據.
計算機科學與人工智慧實驗室的研究生泰迪·奧特(Teddy Ort)表示: '這種 '無地圖' 方法之所以沒有真正做到過, 是因為它通常很難達到和詳細的地圖一樣的準確性和可靠性. 像這樣的系統可以通過車載感測器進行導航, 這顯示出自動駕駛汽車能夠實際處理科技公司未繪製的少量道路的潛力. '
研究人員起草了一篇論文, 描述了將於本月晚些時候在澳大利亞布裡斯班舉辦的機器人與自動化國際會議(ICRA)上發布的這款系統.
為了測試該系統, 他們為自動駕駛汽車豐田普銳斯配備了雷射雷達, 感測器和MapLite. 普銳斯汽車通過 '看到' 前方10英尺(約合3米)以上的道路, 在麻薩諸塞州德文斯的多條未鋪砌的農村道路上成功導航.
奧特解釋稱, 他們的系統不同於其他 '無地圖' 方法, 後者使用機器學習來訓練系統.
研究人員表示, 他們的系統無法處理海拔迅速變化的環境, 所以無法在山路上導航.
奧特表示: '我能想象未來的自動駕駛汽車總是會在城市地區使用3D地圖, 但是當我們被要求從僻靜的道路出發時, 這些車輛就需要像人類一樣, 在它們從未見過的陌生道路上行駛. 我們希望我們的工作是朝著這個方向邁出的一步. '