一种快速运动规划芯片,让无人车决策速度提升三个数量级

Realtime Robotics的运动计划芯片可辅助自动驾驶汽车做出更好的决议。

无论是危言耸听的 Uber 无人车撞死行人的事宜,照样特斯拉自动驾驶仪接连不停的事故,我们在总结每一项事故以及车辆被迫接受等情形发生的原因时,一方面归咎于无人车在差别条件下能否提供可靠的感知能力,而另一方面,运动计划算法的盘算速率也在影响着车辆是否能够实时作出平安的门路计划。

是否能够提高运动计划系统的速率?

自DARPA挑战赛以来,自动驾驶的计划算法大量涌现,但现在还没有一种算法能够笼罩所有的场景,在面临高速场景,低速场景,自动泊车场景,庞大动态的非结构化门路场景,交通参与者麋集场景等场景时,大多数自动驾驶系统会凭据其模子最可能的场景来计划运动,以确定周围物体的作用。

现在大多数自动驾驶汽车能够以3 Hz至10 Hz的速率运行运动计划系统,而美国杜克大学 Realtime Robotics 系统以1,000 Hz运行,并行通过大量可能轨迹的数据网络,这使得系统能够在更短的时间内思量更多的潜在效果,从而做出最佳决议。

Realtime Robotics 定制运动计划芯片

自动驾驶创业的兴起,让一些芯片制造商专门为无人车定制芯片,更切合算法的芯片,能够提高效率,优化算法结构也能削减功耗。而美国杜克大学专门为运动计划定制了处置器,提高了运算的效率。他们最初在桌面手臂机器人上做实验,基于FPGA开发出了一种可快速举行机器人运动计划的定制处置器,使运动计划流程的速率提升了三个数量级,而使用的电量仅为之前的二十分之一。现在,他们把这种芯片乐成运用在无人车上。

该解决方案只需要输入来自摄像机,雷达,激光雷达和其他传感器的感知数据,包罗有关场景的信息,静态障碍以及其他署理的最可能的未来路径。通过行使网格计划器,在不到1ms的时间内执行障碍物检测和最低成本路径盘算。对于每个不确定性障碍,系统都能对其在计划距离内可能遵照的轨迹举行有凭据的预测。FPGA可以在硬件中编码数据,硬件并行性的方式使得运动计划步骤非常快。

Realtime已经在模拟环境中做了大量测试,视频中列举了在两个场景下,该系统被证实平安性显着提高:

① 骑自行车者(没有通行权)穿过一个十字路口

一个骑自行车的人在一辆车的遮挡下,违规通过十字路口。通过模拟差别车速,自行车速率和自行车穿越时间下,以现在自动驾驶做决议的平均速率10Hz为例,会有 6.25%的几率发生碰撞;而在 Realtime 系统1000Hz下碰撞不会发生。

②行人突然从停放的汽车后面泛起

行人突然从停放的汽车后面泛起,从感知到做出决议的时间很短,通过差别车速和行人移动速率的差别组合测试,发现根据一样平常决议系统处置的速率22%的几率会击中行人,而更快决议速率下,可以制止此事故。

毫无疑问,盘算的速率越快当然是越好的。在60公里/小时(约40英里/小时)的速率下,10毫秒计划和100毫秒计划之间的差异大约是一米半,这很容易乐成地避开一个任性的行人。在更快的速率和加倍受限的高速环境中,该定制芯片显得更有用。

克日,这家建立三年的公司宣布推出了无碰撞方案组合RapidPlan和RapidSense解决方案,Realtime Robotics 通过让机器人能够识别和响应不停转变的环境来实现零碰撞。现在,该芯片已经应用在桌面手臂机器人上,在自动驾驶汽车上的应用还处于模拟环境中 ,在真实交通环境中的显示若何,还有待进一步测试。

总结

这种通过定制快速运动计划芯片的方式显著提高了做决议的速率,若是能够应用在无人车上肯定带来全新的革命,然而与机器人差别的是,无人车上路除了要做到避障计划以外,还需要遵守交通规则,许多条件下需要减速来避障,此芯片在速率计划和路径计划的融合方面可能还需要更全面的思量。

留下评论