自主车辆不像人们那样知道如何变换车道。它们倾向于依赖相对静态的数据模型,这种数据模型在交通交通拥挤的地区比较难应付,或者自动驾驶汽车只有在满足必须变换车道的绝对条件下才会变道,但是现实几乎不可能。 MIT正在开发一种新算法,让汽车在遵守道路安全的同时更像人类司机一样变换车道。
这项新技术是对我们熟悉的“缓冲区”概念的一种改进,它可以确定其他车辆正在行驶的位置,以及无人驾驶车辆如何避免发生碰撞。早期的系统提前计算这些区域以节省时间,但MIT使用“数学高效”的方法,如果性能远低于人类驾驶员,则会在现场创建新缓冲区域。 这个过程的速度有所偏差,甚至可以根据危险级别进行定制,但是至少可以让你在必须便道的时候有个“安全保障”。
目前还只是一种算法,还需要很长时间才能上路应用。不过,丰田与海军研究办公室共同支持该项目,这表明进入现实世界服务只是时间问题。这可能比最初看起来更重要,如果自动驾驶汽车与人类共存,它们需要融入人的交通模式,这意味着更换车道的次数更多,即使只是为了避开慢车司机。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。
举报投诉
-
自动驾驶
+关注
关注
794文章
14979浏览量
181391
发布评论请先 登录
相关推荐
热点推荐
理想汽车发布下一代自动驾驶基础模型MindVLA-o1
2026年3月17日,理想汽车基座模型负责人詹锟出席NVIDIA GTC 2026,发表主题演讲《MindVLA-o1:开启全能范式——下一代统一视觉-语言-动作自动驾驶大模型探索》,
全局定位和局部定位在自动驾驶中各有什么作用?
[首发于智驾最前沿微信公众号]自动驾驶汽车在道路上行驶的时候,需要持续知道自己在哪里。这听起来很简单,就像手机地图显示你当前所在哪条街道上一样,只是自动驾驶
自动驾驶汽车如何完成超车?
经过一套完整的感知、理解、决策、规划和控制的流程,每一步都要考虑安全和规范,需要不断感知周围环境,判断什么时候超车、怎么超车、是否安全等,然后才可以按照计划执行操作。 自动驾驶汽车在
已有VLM,自动驾驶为什么还要探索VLA?
时(长尾场景),会因规则覆盖不足而表现僵化。 随着大语言模型和视觉语言模型(VLM)的爆发,开发者们意识到,如果车辆能像人类一样拥有常识,理解什么是“潮汐车道”,知道“救护车在后方鸣笛需要避让”,那么
L3级自动驾驶在技术上有什么不一样的要求?
[首发于智驾最前沿微信公众号]最近,很多小伙伴在后台私信,想了解L3级自动驾驶有哪些技术要求。其实对于自动驾驶行业来说,L3级是一个非常重要的分水岭。一旦达到L3级,车辆的主要
自动驾驶汽车如何检测石头这样的小障碍物?
[首发于智驾最前沿微信公众号]最近有一位小伙伴留言,想让我聊聊自动驾驶汽车对于石头这样的小障碍物,是使用什么视觉任务检测的。在直接回答“如何检测”之前,其实要思考
纯视觉自动驾驶会像人眼一样“近视”吗?
[首发于智驾最前沿微信公众号]在自动驾驶领域,纯视觉路线逐渐获得了一部分从业者和研究者的认可与支持。随着双目乃至三目摄像头方案的应用,通过视差计算、结构约束和算法建模,摄像头已经具备了一
MIT开发新算法让自动驾驶汽车像真人司机一样变道
评论