最近舉行的國際機器人與自動化會議（ICRA）上，來自麻省理工學院計算機科學與人工智能實驗室（CSAIL）的研究人員介紹了一種新的車道變換允許無人車進行更主動的車道變更，同時僅依賴于其他車輛的方向和速度的即時信息來做出決定。

在自動駕駛汽車領域，車道變換的算法是一個重要的研究課題。大多數現有的車道變換算法存在以下兩個缺點：1.它們依賴于駕駛環境的詳細統計模型，這些統計模型難以構建并且太復雜以至于無法分析; 2.他們太簡單了，以至于只能做出過于保守的決策，比如永遠不會改變車道。

當馬路上出現多智能體交互時，這種算法是否存在懦夫博弈。

在最近舉行的國際機器人與自動化會議（ICRA）上，來自麻省理工學院計算機科學與人工智能實驗室（CSAIL）的研究人員介紹了一種新的車道變換算法，以區分這種差異。與簡單模型相比，它允許無人車進行更主動的車道變更，僅依賴其他車輛的方向和速度的即時信息來做出決定。

CSAIL 博士后和論文第一作者 Alyssa Pierson 表示，該算法的設計思想是用盡可能少的信息做出變道決策——就像人類駕駛員那樣。

團隊負責人 Rus 表示，最好的解決方法當然是對從保守到主動的各種變道風格建模，當然還要考慮安全空間。

自動車輛避免碰撞的一種標準方法是計算環境中其他車輛周圍的緩沖區。緩沖區不僅描述車輛的當前位置，還必須對它們將來的位置進行短期預測。規劃車道變化則成為簡單地停留在其他車輛緩沖區之外的問題。

所有計算緩沖區的方法，都要檢驗變道算法是否有碰撞的可能性。這個問題證明比較復雜，因此通常會提前計算最佳緩沖區。然后在行使時，根據感知到的當前環境，調用對應的安全空間參數。

問題是，如果車流量足夠快并且密度足夠大，則預先計算的緩沖區可能過于嚴格。一輛自動駕駛車輛根本無法改變車道，而一名駕駛員會在車道周圍輕松變道。

MIT 新算法的改進在于：如果當前的默認安全空間模型導致汽車的變道能力低于人類駕駛員，則系統會實時計算新的安全空間。

該算法的關鍵是設計足夠高效的算法來計算安全空間，否則無法應對多變的路況。研究人員基于高斯分布，描述了車輛的當前位置、車輛長度和其位置的不確定性。

接著，基于車輛速度方向和大小的估計，研究人員構建了一個 logistic 函數。高斯分布和 logistic 函數的乘積，使得高斯分布的峰值向汽車的運動方向偏移，速度越快，偏移幅度越大。

偏斜分布定義了車輛的新安全空間。該數學描述足夠簡單，只有幾個變量，因此完全可以進行實時計算。研究人員在有幾百輛汽車的模擬環境中，測試了 16 輛自動駕駛汽車的避撞性能。

該論文目前還未公布，但是智車科技在網絡上搜到一篇Alyssa Pierson 為第一作者，發表在2017Multi-Robot and Multi-Agent Systems (MRS) 研討會上的論文Distributed target tracking in cluttered environments with guaranteed collision avoidance。該論文提出了一個分布式在線算法，借助一組追蹤代理，通過混亂的環境跟蹤目標。追逐著必須始終避免與障礙物發生碰撞。文章也介紹了Obstacle-Aware Voronoi Cell（OAVC），一種改進的Voronoi鑲嵌模型，通過使用基于Voronoi的覆蓋控制工具，追蹤者只需對其位置進行估計即可成功跟蹤目標。跟MIT的這項研究有多大關系不得而知。

Pierson 表示：各輛自動駕駛汽車之間沒有通訊聯系，只依靠各自的算法進行變道和避障。每輛自動駕駛汽車使用不同的風險閾值，生成不同的駕駛風格，相當于保守和主動變道的人類司機。靜態算法的預先計算安全空間只能允許保守駕駛，而新算法對主動變道的支持程度大得多。

電子工程和計算機科學維特比教授 Daniela Rus 、航空學副教授 Sertac Karaman、電子工程和計算機科學研究生 Wilko Schwarting 也參與了該工作。豐田汽車研究所和海軍研究實驗室為該研究項目提供了部分資助。