据外媒报导，杜克大学（DukeUniversity）曾启动一个研究项目，以将桌面机器人手臂的运动规划速度提升，让机器人可依赖自定义的处理器，在几毫秒时间内已完成一般来说必须几秒钟展开的工作。随后，杜克大学研究人员基于该项技术正式成立一家取名为RealtimeRobotics的公司，最近，他们于是以致力于将该技术用作自动驾驶汽车。让自动驾驶更加慢作出运动规划，还包括汽车要求下一步要做到什么的过程，让该过程变快不仅意味著让车辆更加慢作出要求，还意味著作出更佳地要求，以尽量地确保该车及周围车辆的安全性。问题是，在一个本身就不能预测的世界上行经，将必须大量计算机来猜测人类的下一步行动。

计算机十分擅长于该项工作，特别是在道路等半结构化的环境中。大多数计算机用于概率模型预测不确定性对象的下一步动作，例如，大多数模型可能会表示同意，前方车辆可能会之后以完全相同速度向前行驶，而且维持在自己的车道内，在没发出信号的情况下变道的可能性很低，忽然刹车的可能性更加较低。大多数自动驾驶系统基于概率模型中最有可能再次发生的场景，即周围物体接下来的动作，来展开运动规划。

此类模型不会获取一个置信水平，如果系统不确认不会再次发生什么，就不会让车辆速度慢下来，但是，该系统仍不能一次规划一个场景，而不是考虑到车辆所有可能采行的所有行动（甚至有些是不有可能的），或作出运动规划，让车辆维持最佳状态去处置只是有可能再次发生的事情。大多数自动驾驶系统一次不能管理一个运动规划，速度在3Hz和10Hz之间，与此有所不同的是，RealtimeRobotics可以运营数十个甚至数百个运动规划，而且每次的计算出来时间将近1毫秒，即1000Hz，从而可让自动驾驶系统需要在更加较短的时间内考虑到更好的潜在结果，作出更佳决策。RealtimeRobotics的车辆运动规划系统有一个极大的预先计算出来的图形–网格，其中还包括车辆在无障碍环境中可以采行的所有有所不同运动轨迹。

该网格还包括节点和边缘，节点回应特定车辆的配备（方位、速度、行经方向），而边缘将节点连接起来回应车辆在1秒钟运动时间内，此类配备之间的轨迹。网格中有数千万条边缘，体现了在网格所覆盖面积的所有时间范围内，车辆配备状态有所不同所再次发生的变化。每个边缘都代表着燃料用于或乘客舒适性等方面的代价，代价低于的边缘意味著车辆运动更加高效、更加稳定。

每10毫秒时间内，Realtime的系统不会根据以下步骤展开运动规划：1、摄像头、雷达、激光雷达和其他传感器的感官数据不会被输出该系统，该系统不会辨识静态障碍物（如建筑和树木）、确定性的移动障碍物（如足球）以及极具挑战性的非确定性移动障碍物（如其他汽车、行人和自行车）。所有静态和动态障碍物方位的感官数据被放进网格中；2、对于每个不确定性障碍物，该系统必需对其在规划间隔时间内可能会遵循的轨迹展开有根据的猜测。幸运地的是，有很多模型都在竭力预测汽车、行人和自行车可能会作出什么动作。

该系统将不确定性障碍物作为静态对象展开建模，然后展开猜测。3、网格中一旦还包括了所有障碍物的数据，就可以作出实际的运动规划，告诉他车辆下一步应当怎么做。RealtimeRobotics的FPGA可配备芯片需要在硬件中将网格数据编码，然后在网格边缘中运营，寻找代价低于的路径，从而使得运动规划展开得十分慢，只需将近一毫秒的时间就可以交付给一个规划，如果必须拓展，也很更容易加到更加多硬件。

4、此时，Realtime系统作出的运动规划与其他系统作出的一样好，不同之处在于，Realtime的系统可更慢交付给规划，然后再度返回步骤3，新的运营，用于略为有所不同的猜测法，猜测不确定性移动障碍物可能会作出的动作。由于模型只是对其他车辆或行人接下来的动作作出概率性猜测，因此有可能并会再次发生。情况就越简单，就就越无以猜测得精确。但是，如果大大地反复运营步骤3和步骤4，运营10至100次，就可以得出结论最有可能再次发生的场景，然后自由选择最差的运动规划，确保最低的安全性。

5、最后一步就是继续执行运动规划，由于该网格的每一个边缘代表每辆车的1秒运动时间，而每10毫秒不会计算出来和继续执行一个新的运动规划，规划速度就越慢，车辆就越有可能更加慢作出最差的要求。RealtimeRobotics的车辆运动规划系统好比与重复使用创建很多运动规划模型有关，还跟车速有关，因为当为一个较慢移动的车辆做到运动规划时，规划所花费的时间就相等车辆行经的距离。如果车速在60km/h（大约为40mph）时，花费10毫秒展开规划与花费100毫秒展开规划不会经常出现1.5米的行经距离差距，有可能沦为否能避免行人的关键因素。

在高速公路等车速更加慢、更加有限的环境中，有可能必须以较少的规划方案交换条件更慢地规划速度，从而让车辆有更加多的反应时间。而在车速更快、更加简单的环境中，有可能必须花费更长的时间规划。

Realtime公司总部坐落于波士顿，其早已在建模环境中对该系统展开了普遍的测试，但是还没机会在确实的汽车上展开测试，尽管该公司于是以为自动驾驶汽车领域的多家公司研发该系统原型。

本文来源：beat·365唯一官方网站-www.0898fdc.net