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(xué)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(xué)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(xué)，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(xué)(Carnegie Mellon University，下稱CMU)機器人學(xué)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(zé)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(zé)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?！盬hittaker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(xué)都沒放假，許多學(xué)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(xué)生身旁行駛著，一些人躺在公園草坪，它也繞開了他們。學(xué)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?！?/p>

　　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。”

　　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(dān)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(xué)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。”

　　“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。”