让机器人学会开车分三步
机器人驾驶不是一个简简单单的将机器人和汽车结合在一起就可以做到的，那么要想机器人完全代替人类来实现机器人驾驶需要三步来完成。
第一步：感受环境
机器人取代人类进行驾驶最困难的地方在于有效的预知路上各种复杂环境，首先从机器智能方面看，需要GPS定位系统、传感器、摄像头、雷达以及激光等设备的支持，驾驶机器人需要收集和处理有关周围环境的海量信息，以便其能在不断改变的环境中更顺畅地驾驶。与此同时，这些数据还要被不断改善软件进行各种有效分析，以便所有车辆能够从一辆车的经验中吸取教训。而这些设备及软件应同时集合在一个机器人上，而且这些仅仅是最基本的部分。
好的识别模型和大量的数据训练能够保证很高的识别正确率，但是，机器学习本身，即使在理论上，它都无法保证绝对（100%）的正确。这在机器人驾驶中却是不可原谅的缺点，如果环境感知不能确保绝对的正确，那如何保证决策的正确性呢？如何保证行车安全呢？那么问题来了，人们会购买可能发生事故的机器人来驾驶车辆吗？
在最近研究中非常有潜力的一项技术就是V2X技术，它会将所有的交通基础设施和每辆车都贴上标签，实时的播发自己的相关信息，从而使得每部汽车都能直接获取周边的情况。再结合其他传感器，实现信息冗余，保证对环境的正确感知。
第二步：提出决策
当机器人将周围环境信息收集后，接下来就是分析数据并作出决策，决定车辆的行驶速度、方向、线路等根本问题。基于程序控制的车辆完全能够实现自动驾驶，但是，它只能运行在有限的场景之下，极度缺少应对能力，并且消耗大量的程序分析和维护时间，在实际驾驶中，环境信息量非常巨大，同时突发事件也非常多，那么对突发事件的应对能力是决定机器人驾驶成功与否的关键所在。为了解决这一问题，可以由现实人类驾驶中获得经验，人类开车时是如何保持车距、如何在拥堵时协作排队、如何变道、转弯、掉头对于机器人司机而言都是难能可贵的经验。以此为巨人的肩膀，在既定规则下，向自动驾驶道路网投入已经学会了人类开车方式的车辆，让他们之间相互协作、相互学习，优化自己的驾驶效率。
第三步：实施决策
最后就是对决策的执行，例如决策需要5秒加速到80Km/h，那么该喷多少汽油，发送机转速要多快等等。这里完全是工程的世界、是精确控制的领域，需要对命令的坚决和精准地执行，这部分的研究已经相对成熟了。
最后提一个有意义的问题，有时机器人司机必须决定是右转撞上3个在卡车内的人，还是左转可能会撞死一个骑摩托车的人。这些类型的道德困境要求机器人司机的软件衡量不同的结果并自行得出一个最终的解决方案。
我相信上面谈到的各种问题最终都会得到很好的解决，从而机器人司机不再仅仅是科幻电影中才会出现的桥段，同时机器人司机也会给各种停车困难户、“女司机”带来福音。
本文为机器人大讲堂原创团队撰写
转载请联系： zhangchuanyan88@139.com