DARPA论文总结

DARPA城市挑战赛(DUC)于2007年11月3日在美国加利福尼亚州举行,之前在2003年和2005年已举办过两次挑战赛。冠军由Carnegie Mellon University获得。DUC的意义是深远的,它让自动驾驶进入了公众的视野,人们第一次开始意识到,未来的车辆可能不一定是需要人来开的,另外,它也促进了相关自动驾驶技术的发展。

这里展示的13篇论文,记录了不同团队开发的机械、算法和感知解决方案,这些论文最初发表于2008年8月、9月和10月的《野外机器人学报》三期特刊。

Carnegie Mellon University

第一篇论文,Urmson等人的《Autonomous Driving in Urban Environments:Boss and the Urban Challenge》介绍了Boss的机械和软件系统,包括对运动规划、感知、任务规划和行为策略算法的描述,软件基础结构也很详细。此外其在NQE中的测试、性能和比赛表现也都被记录成文档。

Intel Research Pittsburgh

第二篇论文,Ferguson等人的《Motion Planning in Urban Environments》提供了关于Boss规划系统的更多细节。Boss规划系统将用于计算动态可行动作的模型预测轨迹生成算法和更高等级的用于在道路和非结构化环境中的全局算法结合在一起。

Stanford Artificial Intelligence Lab

第三篇论文Montemerlo等人撰写的《Junior: Stanford in The Urban Challenge》,描述了Junior是如何通过整合感知、规划和控制的分布式软件管道做出驱动决策的。论文结合了近年来在概率定位、地图绘制、跟踪、全局和局部规划等方面的创新工作,结合有限状态机,开发了一种在城市交通环境下具有较强的鲁棒性的导航系统。同时该论文介绍了障碍/路缘检测、车辆跟踪、运动规划和行为层次结构等方面的新进展。

MIT, Cambridge

由Bacha等人撰写的论文《Odin: Team VictorTango’s entry in the DUC》描述了团队在进行DUC的过程,概述了车辆平台和系统架构,并描述了感知和规划系统。文中还描述了Odin在NQE和比赛中的表现,包括在测试和比赛中所面临的各种问题的分析。欧丁在比赛中平均时速不到21公里,以4小时36分钟的成绩名列第三。

Embry-Riddle Aeronautical University

这篇论文《A Perception-Driven Autonomous Urban Vehicle》由麻省理工学院团队产出,描述了一种设计用于满足DARPA城市挑战赛的交通工具的架构和实现。这辆车包括大量异构传感器以捕获和处理高分辨率、高速率传感器数据。感知系统的输出被输入到一个运动学运动规划算法中,该算法允许在车道、三点转弯、停车和在障碍物中完成驾驶任务。其目的是开发一个平台,研究在没有gps以及先验信息的高度动态的环境下的自动驾驶。麻省理工学院的参赛队伍成功完成了这门课程,获得第四名。

University of Pennsylvania

Bohren 等人写的《Little Ben: The Ben Franklin Racing Team’s Entry in the 2007 DARPA Urban Challenge》详细介绍了改装过的丰田普锐斯混合动力车Littlle Ben的传感、规划、导航和驱动系统。本文介绍了一种将传感器信息集成到动态地图中的方法,这种动态地图可以鲁棒地处理GPS掉线和误差问题。提出了一种由高阶任务规划器和低阶轨迹规划器组成的规划算法,介绍了一种基于成本的执行机构液位控制方法,Little Ben是成功完成城市挑战赛的六辆车之一

Cornell University

Miller等人的论文《Team Cornell’s Skynet: Robust Perception and Planning in anUrban Environment》描述了Cornell是如何参与DUC的,详细描述了无人驾驶汽车Skynet的设计和软件。
这篇文章描述了Skynet的定制驱动系统和配电系统,紧耦合的姿态和位置估计、特殊障碍检测、基于视觉算法的位置检测跟踪系统,基于物理车辆约束和非线性优化的路径规划程序和一个基于状态的遵守交通法规的推理代理。文中还介绍了Skynet在NQE和最终比赛中的成功表现。

Coleman Technologies, Inc

Patz等人的《A Practical Approach to Robotic Design for the DARPA Urban Challenge》描述了TeamUCF和他们的Knight Rider在城市挑战赛中的旅程。在仅有的5名核心队员中,有3人参加了2005年的大挑战。
考虑到它的规模和预算,这支队伍的成功令人印象深刻。传感器数据从雷达和多个SICK激光扫描仪中融合获得,其中两个扫描仪旋转以提供具有距离和强度数据的三维图像处理。它的world view由一个基于上下文的推理控制系统处理,产生策略任务命令,并被传送到到传统的PID控制循环处理。

University of Karlsruhe

《Team AnnieWAY’s Autonomous System for the DARPA Urban Challenge 2007》介绍了AnnieWay团队的极简主义方法,他们主要依靠安装在他们的大众帕萨特车顶上的多光束Velodyne激光扫描仪和一台电脑。激光扫描仪的距离数据提供了三维场景的几何信息,反射率数据允许鲁棒的车道标记检测。通过一个分层状态机进行任务和策略选择。系统的反应部分使用了一个预先计算的运动的基本模型,随车辆的速度变化而变化,在随后的论文会进行描述。描述驾驶触角:整体结构感知和运动的

University of the Federal Armed Forces Munich

Hundelshausen等人写的《Driving with Tentacles: Integral Structures for Sensingand Motion》介绍了AnnieWAY运动团队用tentacles描述感知和运动执行的解决方案。与其他方法相比,该算法采用了以车辆为中心的占用网格来避开障碍物。这种方法非常有效,因为tentacles和网格之间的关系是静态的。即使这种方法不是基于车辆动力学的,产生的路径误差也被证明是有界于无障碍区域的。这篇论文是《Team AnnieWAY’s Autonomous System for the DARPA
Urban Challenge 2007》的姊妹篇。

Herzfeld & Rubin, P.C.

《Caroline: An Autonomously Driving Vehicle for Urban Environments》描述了一个由传感器数据采集、传感器数据融合、图像处理、数字地图、人工智能、车辆路径规划和低层控制、监控监控和在线诊断、遥测和数据存储等8个主要模块组成的系统的架构。其对汽车性能的详细分析提供了对于城市自动驾驶驾驶系统的有趣的见解。论文最后描述了导致与麻省理工学院的Talus碰撞的事件。

Massachusetts Institute of Technology

《The MIT–Cornell Collision and Why It Happened》详细分析了麻省理工学院和康奈尔大学的车辆在比赛中相撞的事故,这项由麻省理工学院和康奈尔大学联合进行的合作研究,追踪了撞击发生前的一系列事件,并调查了其根本原因,概述了机器人在比赛中的相互作用(交互)。

Ford Motor Company

这篇论文《A Perspective on Emerging Automotive Safety Applications,Derived from Lessons Learned through Participation in the DARPA Grand Challenges》描述了由福特汽车公司领导的项目。这篇文章提供了一种提高乘用车安全性的方法进而为机器人技术研究提供了动力,分析表明,人类驾驶员的驾驶能力是当今自动驾驶汽车的四到六倍。本文介绍了福特车队自动驾驶系统的设计和配套的传感器套件。它提出了在试验和比赛期间车辆性能的详细分析和总结经验教训。

Thousand Oaks, CA

《TerraMax: Team Oshkosh Urban Robot》以使用12吨中型战术车辆替换(MTVR而闻名,MTVR为海军陆战队提供了大部分后勤支持。传感主要是利用激光扫描增强的被动计算机视觉来完成的。本文对该系统进行了描述,并对比赛中的表现进行了分析。

0%