在自動駕駛汽車領域，控制車道變換的算法是一個重要的研究課題。但是大多數現有的車道變換算法都有兩個缺點之一：要么它們依賴于駕駛環境的詳細統計模型，這些模型難以組裝而且太復雜而無法動態分析; 或者它們非常簡單，以至于它們可能導致不切實際的保守決策，例如根本不改變車道。

在明天的機器人與自動化國際會議上，來自麻省理工學院計算機科學與人工智能實驗室(CSAIL)的研究人員將提出一種新的車道變換算法，將差異分開。與簡單模型相比，它允許更激進的車道變換，但僅依賴于關于其他車輛的方向和速度的即時信息來做出決策。

“動機是，'我們可以用盡可能少的信息做什么?'”CSAIL的博士后和新論文的第一作者Alyssa Pierson說。“我們怎樣才能擁有一輛自動駕駛汽車，就像人類駕駛員的行為一樣?汽車需要什么樣的最少信息來引發人類行為?”

皮爾森參加了維特比電氣工程和計算機科學教授Daniela Rus的論文; Sertac Karaman，航空航天副教授; 和Wilko Schwarting，電氣工程和計算機科學專業的研究生。

“優化解決方案將確保通過車道變換進行導航，可以模擬整個范圍的駕駛風格，從保守到積極，具有安全保障，”CSAIL的負責人Rus說。

自動駕駛車輛避免碰撞的一種標準方式是計算環境中其他車輛周圍的緩沖區。緩沖地帶不僅描述了車輛的當前位置，但一定時間內他們將來可能的位置。然后，規劃車道變換就變成了簡單地停留在其他車輛緩沖區之外的問題。

對于計算緩沖區的任何給定方法，算法設計者必須證明它在用于描述流量模式的數學模型的上下文中保證避免沖突。該證明可能很復雜，因此通常預先計算最佳緩沖區。在操作期間，自主車輛然后調出與其情況相對應的預先計算的緩沖區。

問題是如果流量足夠快且足夠密集，預先計算的緩沖區可能限制太多。自動駕駛汽車根本不會改變車道，而人類駕駛員會高興地在車道上拉鏈。

對于麻省理工學院研究人員的系統，如果默認緩沖區導致性能遠遠低于人類駕駛員，系統將動態計算新的緩沖區，并提供防撞證明。

該方法取決于描述緩沖區的數學上有效的方法，因此可以快速執行防碰撞證明。這就是麻省理工學院研究人員開發的內容。

它們以所謂的高斯分布開始 - 熟悉的鐘形曲線概率分布。該分布代表汽車的當前位置，考慮其長度和位置估計的不確定性。

然后，根據對汽車方向和速度的估計，研究人員的系統構建了一個所謂的邏輯函數。將邏輯函數乘以高斯分布會使汽車運動方向的分布傾斜，而更高的速度會增加偏斜。

偏斜分布定義了車輛的新緩沖區。但它的數學描述非常簡單 - 僅使用幾個方程變量 - 系統可以在運行中對其進行評估。

研究人員在一次模擬中測試了他們的算法，其中包括多達16輛自動駕駛汽車，這些汽車在數百輛其他車輛的環

“自動駕駛汽車不是直接通信，而是并行運行所提出的算法，沒有沖突或碰撞，”皮爾森解釋說。“每輛車使用不同的風險閾值，產生不同的駕駛風格，使我們能夠創造保守和積極的駕駛員。使用靜態的，預先計算的緩沖區域只允許保守駕駛，而我們的動態算法允許更廣泛的駕駛風格“。