走進CMU：無人駕駛技術(shù)誕生的地方

　　為它總比現(xiàn)實跑得更快、更遠?；鸺话l(fā)明前的幾千年，歷史就已經(jīng)有對于飛天探索的記載。無人車也是如此。

　　1984年，在GPS還沒有被發(fā)明的時候，卡內(nèi)基·梅隆大學團隊在一處廢棄的停車場測試了他們的第一輛自動駕駛汽車。在今天看來，當時的水準不值一提，但自1980年代起，在美國DARPA等機構(gòu)的資助和推動下，一系列研究團隊對無人駕駛技術(shù)從無到有的探索之路，走得并不容易。這也成就了包括卡內(nèi)基·梅隆大學在內(nèi)的一眾院校和實驗室，至今也是無人駕駛技術(shù)和人才誕生的搖籃。

　　如今，無人駕駛要比過去任何一刻都跟接近人們的生活，那么對于孕育了這項技術(shù)原型的卡內(nèi)基·梅隆大學，他們曾歷經(jīng)了怎樣的故事呢?雷鋒網(wǎng)(公眾號：雷鋒網(wǎng))·新智駕整理編譯了這篇來自匹茲堡商業(yè)時報的報道，以饗讀者。

　　在位于美國匹茲堡的一處廢棄停車場里，一輛無人車繞著場地緩緩地行駛，它有一個名字，叫Terregator，創(chuàng)造它的人說，“它像一張滾動的桌子，能夠自主識別和駕駛”。

　　“自主識別和駕駛”，就是這個今天常被用來形容自動駕駛汽車的屬性，讓這臺“會滾動的桌子”幾乎創(chuàng)造了歷史。

　　那一年，是1984年，比人類發(fā)明GPS時間還要早很久。所以，當時團隊為了跟蹤這輛車的駕駛軌跡，在車尾綁了一個底部打孔的油漆罐，隨著車輛移動，漏出的油漆在車尾畫出了一條路徑。

　　提到這件事的時候，卡內(nèi)基·梅隆大學(Carnegie Mellon University，下稱CMU)機器人學教授Red Whittaker依然記憶猶新。當時的原型車，是CMU多年來對陸地巡航器(Terrestrial Navigator，即“Terregator”)研發(fā)積累的結(jié)晶，同時，研究團隊還花了數(shù)月對車輛進行外觀和架構(gòu)設(shè)計。

　　這款被CMU研發(fā)團隊命名為“Terregator”的小車，有六個輪子，每秒能行駛幾厘米。車身配置的一系列傳感器，包括聲納環(huán)、攝像頭，以及一個單線激光雷達測距儀，它們將負責對障礙物和環(huán)境進行感知。

　　“我并不想標榜這是無人車歷史上的第一，但對于當時研發(fā)它的團隊而言，Terregator在他們心中就是這樣的位置，”Whittaker感慨地說，“第一次看到它在那兒，雖然就只是繞著停車場轉(zhuǎn)圈，但那種驚喜、那種驚嘆的感覺，是難以言說的?！?/p>

　　從那以后，CMU就因Terregator的誕生而成為自動駕駛技術(shù)的發(fā)源地，而這，也開啟了CMU在此基礎(chǔ)上長達30余年的技術(shù)研究。這些年來，Terregator的創(chuàng)造者Whittaker也一直在支持其他各類汽車相關(guān)技術(shù)的研發(fā)。

　　今天，如果城市街道上出現(xiàn)一輛自動駕駛汽車，它已經(jīng)不會再那么讓人驚奇，但CMU以及它所在的匹茲堡市，卻因為Terregator的故事成為孕育無人駕駛技術(shù)最古老的地方。

　　其實，CMU的自動駕駛技術(shù)研發(fā)始于1980年代中期的一個契機。

　　當時，美國DARPA(美國國防部高級研究計劃局)旗下操持著一個“戰(zhàn)略計算計劃”(Strategic Computing Program，SCP)，計劃為期10年，DARPA希望以此從計算機架構(gòu)、軟件、以及芯片設(shè)計領(lǐng)域的高速發(fā)展中獲益，并推動AI技術(shù)達到新的高度。

　　1983年，美國國防部將自主式陸地車輛(Autonomous Land Vehicle，ALV)列為戰(zhàn)略計算計劃的研究項目之一，并制訂了年度規(guī)劃。

　　1985年：道路跟蹤試驗，車輛以10km/h的速度行駛在鋪好的公路上，不設(shè)置障礙。

　　1986年：避障試驗，車輛以20km/h的速度行駛，能識別和避開固定障礙物。

　　1987年：越野路線規(guī)劃試驗，規(guī)劃車輛行駛路線，并以15km/h的速度通過開闊的沙漠地帶。

　　1988年：公路網(wǎng)路線規(guī)劃及避障試驗，規(guī)劃車輛行駛路線，并實現(xiàn)以20km/h的速度借助路標導(dǎo)航行駛于公路網(wǎng)上，以及完成地圖校正和從路邊繞過障礙物。

　　在那段時間，DARPA資助了一些院校和制造商企業(yè)，作為其中之一，CMU的任務(wù)是負責解決ALV系統(tǒng)復(fù)雜的感知和集成問題。為了攻克該技術(shù)，CMU的研究人員于1984年組建了導(dǎo)航實驗室，命名為“NavLab”，專注于復(fù)雜環(huán)境中的高難度視覺感知問題研究。

　　“在那個時代，一切都是從零開始。從為自動駕駛汽車規(guī)劃路徑，到路徑跟蹤，到避障，到找到實現(xiàn)自動化的合適的軟件系統(tǒng)。機器如何看見世界?機器如何理解世界?所有的一切，在今天而言，都太過初級了，也正因如此，那時候的成果稱得上真正的發(fā)明。”Whittaker如是說。

　　機器人如何看見世界?

　　Whittaker永遠都不會忘記1984年的一天，在美國申利公園，團隊第一次決定測試Terregator在真實世界的避障性能。

　　“那是匹茲堡的晚春，所有大學都沒放假，許多學生們出來散步曬太陽，”他說，“所以，在他們都聚集在公園時，我們測試了Terregator，它緩緩地，在這些學生身旁行駛著，一些人躺在公園草坪，它也繞開了他們。學生們第一次看到Terregator，就像Terregator第一次看到他們一樣。這一瞬間，感覺真的很酷。”

　　不過，對于自動駕駛而言的挑戰(zhàn)，還不止是障礙物本身，這意味著，車輛需要去感知這些障礙物，然后更重要的是，是決策下一步應(yīng)該如何行駛。

　　“在無人車的駕駛決策上，有太多工作需要做。換句話說，一旦視覺數(shù)據(jù)被解譯，那么車輛就必須對如何駕駛、如何轉(zhuǎn)向等做出判斷，”CMU機器人研究所主任Martial Hebert說，“我認為在這個環(huán)節(jié)，是創(chuàng)新性技術(shù)迸發(fā)的地方?！?/p>

　　Hebert回憶說，當CMU第一次著手研發(fā)自動駕駛車技術(shù)時，他們的汽車只成功“看”了兩天。當時，團隊使用類似攝像頭的傳感器，配合圖像分析技術(shù)，同時使用激光雷達直接獲取3D感知信息。這兩種環(huán)境感知的手段，至今也在被采用，不過已經(jīng)變得比1980年代更復(fù)雜了。

　　CMU研發(fā)的最新一款自動駕駛車，是于2013年亮相的一輛凱迪拉克SRX，這輛車當時成功載著時任美國賓夕法尼亞州議員的Bill Schuster抵達了機場。

　　技術(shù)上，這輛車通過圖像分析和對車道線等路標的測量輔助進行環(huán)境感知，同時車輛已經(jīng)能夠?qū)崿F(xiàn)高速路的平均駕駛時速。而真正讓它與Terregator區(qū)分開來的，除了時速和外觀，還有對環(huán)境中動態(tài)事物的感知能力，不論是人、車、還是自行車等。

　　*自動駕駛改裝車凱迪拉克SRX

　　“當你需要處理無人車與交通環(huán)境中的其他參與者，如行人的關(guān)系時，事情會變得非常復(fù)雜，”Hebert如是說，“車輛必須在完全動態(tài)的交通環(huán)境下做出駕駛決策?！?/p>

　　在現(xiàn)代研究中，車輛的駕駛決策將變得更加細致。Hebert回憶說，在Terregator之后，1986年，CMU還研發(fā)了一輛基于雪佛蘭廂式貨車改裝的自動駕駛車，命名為Navlab 1，這輛車能達到每小時20英里(約32公里/時)的時速。

　　*自動駕駛改裝車NavLab 1

　　而在Navlab 1之后，CMU開始將研發(fā)重點放在更細致的自動駕駛車行為決策上，即讓車輛“表現(xiàn)得更像人類司機”。這意味著，自動駕駛車不只是考慮“避障和行進”那么簡單，而是需要結(jié)合更多的場景和分析做出判斷。

　　“所以，當時的下一步研究，是讓車輛能夠推測其他車輛的移動，例如一輛從旁邊經(jīng)過的汽車，”Hebert說，“這是非常關(guān)鍵的進步，因為它使得自動駕駛車從簡單的周圍環(huán)境感知和追蹤，發(fā)展成對周邊車輛的動態(tài)反應(yīng)?！?/p>

　　這些研究成果，在CMU隨后研發(fā)的NavLab 5上全部進行了展示，這是一輛基于龐蒂亞克運動款轎車改裝的自動駕駛車，1995年，這輛車在“橫穿美國實驗”(NO Hands Across America，NOAA)中，從賓州的匹茲堡行駛到加州的圣迭哥，行程 4587公里，其中自主駕駛部分達到 98.2%。

　　*自動駕駛改裝車NavLab 5

　　Navlab的研發(fā)成員之一，CMU博士生Todd Jochem回憶說，他們當時花了4個月時間完成車輛的改裝和軟件調(diào)試，總成本不超過2萬美元。所有裝備包括一臺計算機、一臺彩色攝像機、GPS，以及一臺光纖陀螺儀。

　　有趣的是，他們的GPS并不是用來定位，而是測速，Todd Jochem說，當時GPS還沒有開放高精度定位功能，也就是說如果使用這種服務(wù)價格會十分高昂，同時，就算用GPS進行高精度定位，他們也沒有匹配的地圖。

　　這之后，在2005年，CMU帶著H1ghlander參加了當年的DARPA挑戰(zhàn)賽，那是一輛改裝的通用悍馬，它在道路上成功對一輛人類駕駛車輛進行了超車。

　　“我至今仍記得當時的興奮之情，一輛自動駕駛車對一輛人類駕駛車進行了超車，”Whittaker說，“時至今日，所有人都知道這是如何實現(xiàn)的，但我卻不希望因此忽視當時取得的成果的巨大價值?！?/p>

　　在路上

　　2007年的DARPA城市挑戰(zhàn)賽(Urban Challenge)，100余組參賽隊伍中，11輛自動駕駛車因其卓越性能脫穎而出，其中就包括Boss——CMU基于雪佛蘭太浩的自動駕駛改裝車，最終，它在當年比賽中摘得了冠軍，平均時速達22.53km/h。

　　DARPA城市挑戰(zhàn)賽的前身是「DARPA Grand Challenge」，地位等同于無人駕駛?cè)Φ膴W林匹克。2007年，挑戰(zhàn)賽在美國一處退役的空軍基地進行，距離洛杉磯兩小時車程，「DARPA Grand Challenge」也被隨之稱為「Urban Challenge」。當時賽道全程55英里(約合89公里)，參賽方需要在過程中完成三項駕駛?cè)蝿?wù)，并在6小時內(nèi)完成比賽。

　　“在無人車開始三項駕駛?cè)蝿?wù)中的第一項時，Boss突然不動了，當時所有人的心跳都像漏了一拍，”參與挑戰(zhàn)賽的CM

　　“在無人車開始三項駕駛?cè)蝿?wù)中的第一項時，Boss突然不動了，當時所有人的心跳都像漏了一拍，”參與挑戰(zhàn)賽的CMU電子計算機工程系教授Raj Rajkumar回憶說。

　　“我們本來應(yīng)該第一個開始，結(jié)果當我們準備啟動系統(tǒng)時，Boss卻不動了!”Rajkumar說，“當時團隊所有人都在心臟狂跳，然后想‘這到底怎么了!’”

　　經(jīng)過簡單調(diào)查，團隊發(fā)現(xiàn)了問題所在。與其他參賽車不同，Boss在賽道起始位置十分靠近一個報道賽況的巨大顯示屏，對Boss的GPS造成了干擾。隨后，Boss繼續(xù)參與了比賽，并以20分鐘領(lǐng)先第二名的成績摘得了冠軍。

　　CMU在DARPA挑戰(zhàn)賽中的優(yōu)秀表現(xiàn)，直接促使美國通用汽車公司對其捐贈500萬美金建立第二個實驗室，自動駕駛技術(shù)合作研發(fā)實驗室，并由Rajkumar擔任聯(lián)合主任。

　　Rajkumar還有一個身份，自動駕駛技術(shù)創(chuàng)業(yè)公司Ottomatika的創(chuàng)始人。2013年，Ottomatika被創(chuàng)立，并致力于將CMU研發(fā)的自動駕駛學會成果進行商業(yè)轉(zhuǎn)化。隨后，該公司與德爾福合作，進行了一些汽車在城市或高速公路駕駛的主動安全平臺研發(fā)。

　　2015年，Ottomatika被德爾福收購。也是在那一年，德爾福用Ottomatika的技術(shù)改裝了一輛奧迪Q5自動駕駛車，從舊金山行駛到紐約，自主駕駛時間達99%。

　　迄今為止，CMU已經(jīng)公開了140項針對自動駕駛技術(shù)的研究成果，其中，凱迪拉克SRX也成為濃墨重彩的一筆，不只是因為其開創(chuàng)性地完成了對許多前沿技術(shù)的深度融合，也是因為許多傳感器和套件已經(jīng)與車輛進行了嵌入式整合。

　　“Boss的車身上背著一串的設(shè)備，車頂?shù)募す饫走_、一大堆攝像頭，車尾還裝滿了電子器件。在車內(nèi)有兩個巨大的顯示屏，駕駛員需要不斷監(jiān)控這些信息，同時，即使是有三四十年駕齡的老司機，也必須通過訓(xùn)練才知道如何操作這輛自動駕駛車，” Rajkumar描述說，“而到了2011年，我們與通用公司合作基于凱迪拉克進行改裝，當時的首要目標，就是讓這輛車看起來更正常?！?/p>

　　在SAE劃定的Level 0-Level 5自動駕駛等級中，Rajkumar認為SPX達到了Level 3.3。而對于達到真正的Level 5，Rajkumar認為至少還需要10年時間，甚至更久。

　　“接下來，我們還需要面對諸如天氣環(huán)境、隧道、橋梁等復(fù)雜問題，”Rajkumar說，“在隧道和橋梁環(huán)境下，GPS失效，我們目前能達到85%自動駕駛，但剩下15%始終要被徹底解決?！?/p>

　　“現(xiàn)在，我們正為下一代的自動駕駛實現(xiàn)做儲備，這其中不再只是自動駕駛本身的問題，還涉及許多車規(guī)級元器件開發(fā)——為了真正實現(xiàn)產(chǎn)品化，同時要考慮各種城市道路的復(fù)雜問題、天氣問題，當然，還要最終控制成本?！?/p>