无人车上路除了要做到避障规划以外 还需要遵守交通规则

Realtime Robotics的运动规划芯片可帮助自动驾驶汽车做出更好的决策。

无论是骇人听闻的 Uber 无人车撞死行人的事件，还是特斯拉自动驾驶仪接连不断的事故，我们在总结每一项事故以及车辆被迫接管等情况发生的原因时，一方面归咎于无人车在不同条件下能否提供可靠的感知能力，而另一方面，运动规划算法的计算速度也在影响着车辆是否能够及时作出安全的路线规划。

是否能够提高运动规划系统的速度？

自DARPA挑战赛以来，自动驾驶的规划算法大量涌现，但目前还没有一种算法能够覆盖所有的场景，在面对高速场景，低速场景，自动泊车场景，复杂动态的非结构化道路场景，交通参与者密集场景等场景时，大多数自动驾驶系统会根据其模型最可能的场景来规划运动，以确定周围物体的作用。

目前大多数自动驾驶汽车能够以3 Hz至10 Hz的速度运行运动规划系统，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考虑更多的潜在结果，从而做出最佳决策。

Realtime Robotics 定制运动规划芯片

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，优化算法结构也能减少功耗。而美国杜克大学专门为运动规划定制了处理器，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进行机器人运动规划的定制处理器，使运动规划流程的速度提升了三个数量级，而使用的电量仅为之前的二十分之一。现在，他们把这种芯片成功运用在无人车上。

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，包括有关场景的信息，静态障碍以及其他代理的最可能的未来路径。通过利用网格规划器，在不到1ms的时间内执行障碍物检测和最低成本路径计算。对于每个不确定性障碍，系统都能对其在规划间隔内可能遵循的轨迹进行有根据的猜测。FPGA可以在硬件中编码数据，硬件并行性的方式使得运动规划步骤非常快。

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，该系统被证明安全性显着提高：

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。通过模拟不同车速，自行车速度和自行车穿越时间下，以目前自动驾驶做决策的平均速度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出现

行人突然从停放的汽车后面出现，从感知到做出决策的时间很短，通过不同车速和行人移动速度的不同组合测试，发现按照一般决策系统处理的速度22％的几率会击中行人，而更快决策速度下，可以避免此事故。

毫无疑问，计算的速度越快当然是越好的。在60公里／小时（约40英里／小时）的速度下，10毫秒规划和100毫秒规划之间的差异大约是一米半，这很容易成功地避开一个任性的行人。在更快的速度和更加受限的高速环境中，该定制芯片显得更有用。

近日，这家成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断变化的环境来实现零碰撞。目前，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表现如何，还有待进一步测试。

总结

这种通过定制快速运动规划芯片的方法显著提高了做决策的速度，如果能够应用在无人车上必定带来全新的革命，然而与机器人不同的是，无人车上路除了要做到避障规划以外，还需要遵守交通规则，很多条件下需要减速来避障，此芯片在速度规划和路径规划的融合方面可能还需要更全面的考虑。