MapLiteシステムは、（OpenStreetMapからの最も基本的な地形図のみを使用する）全地球測位システムと、道路状況を監視するためのlidarとIMUセンサーを組み合わせています。
システムは、GPSを介して車の地理的位置情報を取得し、この情報を使用して最終的な目的地および車の視界内の「ローカル」ターゲットを識別することができる。路線と道路の端を推定するレーザーレーダーの使用法このシステムは、交差点や特別道路で何をすべきかを自動車が知ることを可能にする多くの汎用のパラメーターベースのモデルであらかじめ製作されています。
このシステムは、Uberの自走車に関する最近の死亡などの将来の事故を防ぐのに役立ちます。
これまでのところ、自律走行車の数に実際の道路のテストは、通常、制限速度、車線や標識を識別するための優れた3Dマップをラベルされた。しかし、農村部の道路で、多くの場合、これらのマーカーを持っていません。
したがって、MIT CSAILチームは、3Dマップデータに頼るのではなく、自走車がローカル環境を認識し予測する方法を開発しました。
コンピュータサイエンスと人工知能研究所の大学院生であるTeddy Ort氏は次のように述べています。「詳細なマップと同じ精度を達成することが困難なため、この「馬鹿馬鹿い」アプローチは実際には達成されていません。性別と信頼性このようなシステムは、オンボードのセンサーを介してナビゲートすることができ、テクノロジー企業が塗装していないいくつかの道路を実際に処理する潜在能力を示しています。
研究者は、オーストラリアのブリスベンで今月末に開催されるロボティクス・オートメーション国際会議（ICRA）で発表される予定のシステムの説明書を作成した。
このシステムをテストするために、彼らは、自転車のトヨタ・プリウス用のライダー、センサー、MapLiteを装備していました。プリウス車はマサチューセッツ州デヴォンの道路から10フィート（約3メートル）舗装されていない農村道路は正常にナビゲートされます。
Ottは、彼らのシステムは、システムを訓練するために機械学習を使用する他の「マップなし」の方法とは異なると説明した。
研究者は、彼らのシステムは急速に変化する環境に対応することができないと述べ、山を航行することは不可能であった。
オット氏は次のように述べています。「未来の自走車は常に都市部で3D地図を使用すると想像することができますが、離れた道路から出発するように求められるとき、これらの車両は人間のようにする必要があり、私たちの仕事がこの方向への一歩であることを願っています。