第642章 底特律的自動駕駛之路
沈笑夫接著看到一篇《底特律的自動駕駛之路》：
********
幾年前，一次由政府發起的自動駕駛汽車比賽中，工程師們注意到一個奇怪的現象。
人類駕駛的汽車在比賽中出現駕駛錯誤一在停車標誌處呼嘯而過或者不使用轉向燈。
相比之下，自動駕駛的車輛會減速並且操作無誤。
他們不僅在路口停車並檢查交通狀況，而且給有違規駕駛傾向的人為駕駛車輛讓路。
安柏瑞德航空航天大學機械與土木工程學院院長，此次活動的小組成員CharlesReinholtz說:「機器比人類更有預見性。」
這種預見性能夠成為運輸業改革的基礎。
專家們指出，自動駕駛的車輛正變得愈來愈完善。
由於感測器、軟體、計算能力不斷改善。許多專家相信有朝一日我們的汽車將接管駕駛工作。
「所有的汽車製造商都有這樣一個崇高的目標。」飛思卡爾半導體公司管理MEMS汽車感測器系統及應用的MattMuddiman經理說:「他們希望我們的車能帶我們去雜貨店。我們只需要跳進車，然後出發。」
製造自動駕駛汽車的工程師們說，這並不是一個不切實際的期望。
在2005年DAR屍A盛大自動駕駛汽車挑戰賽中，五輛汽車獨立走過整個140英里的路程，包括曲折的山路和急轉彎。
在2007年的城市挑戰賽中，11輛車完成了整個行程。
此外，谷歌的自動駕駛汽車已悄然在加州公路上行進20萬公里以上。
通用汽車公司全球研發副總裁說:
「今天，我們已經可以在混亂程度低的環境中實現這一操作。
但如果你試圖去孟買，並且在交通非常繁忙的時期，人們不能在自己的車道上駕駛，行人和車輛交匯在一起，那麼我們的能力將是有限的。
但如果你在高速公路上行駛我們便能做到，你只須辨識車輛和靜止的物體。」
雖然一些觀察家可能會問.為什麼汽車領域會為進行這種巨大的努力而困擾。
而該技術的支持者說他們有充分的理由:每年，30000-40000的美國人死於交通意外。
更糟糕的是，由於司機們越來越多地使用手機和iPod的GPS系統，而其使用會對司機造成干擾，未來交通意外死亡率有增高的趨勢。
Reinholtz說:「今天，我們期望飛機零事故飛行，有朝一日，我們期望汽車也能零事故行駛。」
【學習自我導航】
自我導航這種情況並不容易發生。
汽車行業需要向外發展，不能局限於自身.可以和學校和供應商合作。
最大的(也可能是最重要的)參與者是感測器供應商。
加速度計和陀螺儀的製造商已經和汽車隊合作發展諸如航位推算等系統，這個系統能使車輛自定位。
航位推算，是工程師將全球定位衛星(GPS)的信息融入到汽車的車載慣性感測器數據中。
這使車輛在任何特定時間上都能感應到自身在地圖上的位置。
工程師們認為有必要使用兩個數據來源，因為GPS系統自我更新速度不夠快，因此不能提供準確的定位。
GPS接收信號的頻率約為每秒鐘五次，而慣性感測器的頻率可以更新到在1kHz或2kHzoMuddiman說:
「有一個功能叫做地圖匹配。你認識所有的物理實體(街道，車道，路口)。那麼你可以使用慣性數據來確認您已經從數字化地圖上的一個點轉移到了另一個點。」
工程師需要抽取加速度計和陀螺儀繪製的數據，為了得到該方程的慣量部分。
他們通常使用所謂的低重力加速度計，它可以感知到在重力降到十分之一過程中，加速度和方向的微妙變化。
這種感測器促使車輛能夠在高解析度的水平下解讀距離和位置。
即使是最小的運動.如變車道，也可以被低重力加速度計獲取。
陀螺儀通過測量車輛的姿態（俯仰，滾轉，偏航)，可以將加速度計錯過的數據添加到資料庫中。
對工程師來講，真正的訣竅在於獲得龐大的數據，並將這些數據整合，形成一個連續的畫面。
為此，他們採用處理器。
例如，感測器可能包含板載處理器，它能過濾數據，並將其發送到「基帶」應用處理器上，同時它還可檢查GPS數據。
通常情況下，雙或四核心處理器，可以處理這樣的計算工作。
Muddiman說:「應用處理器需要所有數據，並進行比較，以確定它從GPS系統中獲得的信息是否準確。」
【避開障礙物】
確定汽車位置也是一項讓汽車自動化成為可能的困難事兒。
一項更大、更複雜的任務是確定前面車輛的情況，它是停還是走。
要做到這一點，研究人員正採用立體視覺攝像機，雷達系統和激光。
立體視覺攝像機還沒有在汽車上發揮大的作用，它使用的相機就類似於智能手機上採用的。
工程師說，這些攝像機可以提供重要的信息，但研究人員還沒有想出如何使它這發揮更大的作用。
Reinholtz說「人可以看圖片並即刻挑選出特徵，」「我們的大腦很善於這樣子做，但讓一個基於系統的攝像頭從一系列圖像信息中提取相同的信息就真的很難。」
工程師們正在繼續努力。紅外攝像機能夠使汽車捕捉到前方場景的熱圖像，使其更容易識別車道上是動物還是人類。
此外，研究人員正致力於開發這樣一種軟體，它能理解相機圖像並且警告汽車關於附近的障礙。
基於雷達的系統也正有著類似的進步。
高達77GHZ頻率的高頻產品被利用來尋找車輛前面幾百米範圍內的障礙物。
目前，這種系統在現在的車輛上有應用.如自動適配巡航控制系統和碰撞警示。
對於汽車，最大的進步在於使用(光探測和測距)設備。
脈衝激光發出的光，反射障礙，並反彈至板載接收繼而測量光的飛行時間，使系統知道離附近障礙物的距離。
像威力達激光雷達的日DL-64E系統在旋轉塔使用多達64個獨立激光器，發射出高速的平行光脈衝，從而使車輛的計算機創建一個立體的「點雲」的障礙。
威力登雷達的總經理和執行副總裁伍茲。
斯圖爾特說:如果你想作出實時自主決策，你需要有足夠的信息，就像我們用我們的眼睛，耳朵和鼻子。
「為了做到這一點，你必須很快調出數據。」
【道路交通零事故】
這種技術的出現給工程師帶來了一個巨大的挑戰。
計算機系統(尤其是軟體)必須能夠處理每秒鐘接收到的大量感測器數據。
「這就是軟體」，斯坦福大學光子學研究的執行董事湯姆·貝爾說。
「信息的整合過程，即將許多不同來源的數據整合起來，是關鍵。不管怎樣，你必須收集這些數據並使它們交迭，形成一個緊密的可供車輛使用的嵌套空間。」
對於計算機演算規則系統開發的重視，已給DARPA大挑戰比賽的優勝者帶來了回報。
據貝爾說，由於對軟體的高度重視，斯坦福大學隊在2005和2007的比賽中，分別奪得了第一名和第二名。
「他們沒有贏，因為他們的硬體平台比較好，」他說。
他們贏了，因為他們有更好的軟體。它主要是能收集不同類型感測器數據並將其整理成一個決策路徑，來車輛優化車輛的速度和方向。
工程師說，該軟體的持續發展，將在預測車輛的運行情況方面起到關鍵作用。
一些專家建議，如果所有車輛都是自製的，目前自動汽車就可以到道路上行駛了。
不幸的是，以那種方式，自動遷移將無法完成。第一個這樣的車輛到達時，他們將不得不面對超速的人為駕駛的「流氓車」，在停車標誌前不斷的鳴笛，並不能啟動其轉向指示燈。
Muddiman說，「所有的汽車製造商都正在努力使這種技術適應於道路。他們需要確保車輛能夠應對不可預見的情況。」
這就是多數專家期望經過一系列的初期步驟后達到成品汽車的自動化的原因。
通過開始的自動適配恆速操縱器到車道保持及障礙規避，這項技術將會以全新的水平證明自己。
公眾將就這一問題辯論多年，甚至可能是幾十年。
伍茲說:「和美國的其他事物一樣，這件事歸根結底是看我們是否有明智的方法來承擔責任。技術肯定是可行的，但它將會使我們都退一步，來消化它。」
專家說:
「這個概念取得成功的關鍵是人們相信車輛自動化可以大大降低米國每年超過3萬起交通意外死亡事故。
三到四萬起交通意外死亡應該是不能接受的。
當有人在一場車禍中喪生，應該上全國的頭條新聞。總有一天，我們對汽車的期望也會是零事故行駛。」