如何使CAV像人一样开车？

本文主要是介绍如何使CAV像人一样开车？，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

尽管最近在互联和自动驾驶汽车（CAV）的划时代试验中取得了成功，但将无人驾驶技术应用到公共道路上仍然取决于使此类汽车以类似于人的方式行为并对复杂的场景做出反应。在这里，Horiba Mira的 CAV首席工程师Richard Hillman（如图）考察了行业和政府在HumanDrive等项目上的合作如何在为CAV添加“人性化”方面取得长足进步。

一段时间以来，互联和自动驾驶车辆（CAV）的走向一直被誉为大众运输的未来。

构成未来移动性愿景的组成部分，旨在解决日益增长的移动性需求，同时抵消相关的负面环境和社会影响，近年来，CAV 得到了全球许多主要经济体的广泛支持。

尽管在冠状病毒之后的世界中可能会出现新的细节，但仅在去年，英国政府才宣布其雄心壮志，成为CAV商业化的领头羊，该战略旨在到2021年在没有任何人为监督的情况下在道路上连接车辆。更重要的是，同年，德国汽车业承诺在未来三年内向电动和自动驾驶汽车投资600亿欧元，而迪拜最近推出了《迪拜自动驾驶战略》，该计划的目标是：到2030年，迪拜25%的运输出行将是智能和无人驾驶的。

在实现这些雄心壮志之后，英国和全球范围内涌现了具有里程碑意义的CAV试验。例如，去年10月，在伦敦“复杂的城市环境”中首次演示了自动驾驶车队的示范，随后不久，完成了第一个使用无人驾驶汽车在英国的道路上载人的测试案例。同时，世界上许多其他国家/地区仍在为进一步的突破性试验投入大量资金，作为其雄心勃勃的CAV目标的一部分。

在汽车制造方面，逐渐增加了对自动驾驶汽车，自动车道保持和自适应巡航控制等自动驾驶功能的满足。有效地将消费者转变为无人驾驶的未来。

但是，尽管近年来肯定会看到该行业在采用CAV所带来的清洁，高效运输的新时代迈进了一大步，但现实是，在我们实现大规模部署之前，还有很长的路要走。

在Nuneaton的Horiba Mira进行HumanDrive自主EV测试。

未来的旅程

一个巨大的研发领域是解决使自动驾驶汽车像人类一样有效行为和表现的根本挑战。

从本质上讲，这是一项极其复杂的任务，因为任何一次汽车旅行都可能引发无数种情况，而“人类”必须对此做出反应。例如，一般通勤上班时间，驾驶员可能会面临一些简单的事情，例如人行横道，或者汽车在后面太近行驶，甚至遇到与交通拥堵或道路事故有关的更复杂的情况。在真正的自动无人驾驶情况下，CAV必须像熟练的驾驶员一样实时采取行动并做出反应。

加上整个考虑因素的范围，例如地形和环境条件的差异，处理困难的机动和应对交通水平的变化，潜在复杂情况的范围增长到一个重要程度。

此外，这种人样的反应必须与作出道德判断的能力相结合，例如，当司机执行紧急刹车以避免非法撞上行人过马路时，或决定让一个不稳定的司机先通过。

这样，主流的 CAV 部署在与"传统"交通共享的道路上将取决于能否确保车辆能够像受过训练、经验丰富和熟练的人类驾驶员驾驶的汽车一样，在任何一个旅程中可能发生无限数量可能的情况。

驱动力

幸运的是，事实证明，英国正处于这一领域的前沿，该国的汽车工业继续以多种方式推动CAV发展的界限。

例如，今年三月，可以说是迄今为止英国最雄心勃勃的CAV研究项目之一。HumanDrive。

在日产（Nissan）的带动下，这个由政府资助的开创性项目旨在在英国开创先例，成功部署一辆自动驾驶车辆，以人一样的方式驾驶，同时完成真实道路上的复杂旅程;一个简短的远远超过。

该合作项目采用最先进的尖端技术，吸引了众多行业巨头和研究机构共同进行了为期33个月的研究，旨在准确开发用于测量类人驾驶行为的方法，然后验证其在汽车自动驾驶风格的准确复制。

最终结果见证了CAV开发的巨大里程碑，因为HumanDrive车辆实现了230英里的“ Grand Drive”行驶-构成了迄今为止英国最长，最复杂的自动驾驶汽车旅程，涵盖了多种多样的道路类型，地形和环境条件。

作为其中的一部分，Horiba Mira 是世界领先的车辆工程、研究、开发和测试咨询公司，负责研究在自动驾驶车辆中使用人工智能（AI）的安全影响，以支持安全案例，并负责开发测试 AI 是否按预期表现的流程。这一点很重要，因为人工智能是启用自动驾驶车辆的重要技术，但测试起来是具有挑战性的——因为，与形成人类思维的生物神经网络一样，很难理解"为什么"做出了决策。

作为回应，Horiba Mira 领先的 CAV 和高级驾驶员辅助系统（ADAS）测试团队设计了一系列可测试方案，用于验证和验证 CAV 系统在正常运行和意外情况下的性能。随后，在Horiba Mira广阔的试验场，每个场景都经过全自动测试。

通过使用多个自动"参与者"在测试车辆附近移动，代表从另一辆车到行人的所有内容，每个测试都用于准确确定车辆如何适应任何变化。为了增加更深入的洞察力，每个初始方案都分层为"复杂性"的其他阶段;如引入额外的"演员"或不同的反应，如汽车突然刹车或行人过马路。

除了帮助在定义 CAV 验证方案的任务和证明基于场景的测试的重要性方面取得巨大进步，该项目还使我们的 CAV 和 ADAS 测试团队能够提高创建和执行更复杂的多参与者方案的能力。此功能是让我们在公共道路上遇到的具有挑战性的场景能够以试验场和机器人参与者提供的安全性、准确性和可重复性进行复制的关键。

此外，从 HumanDrive 获得的与基于场景的测试相关的知识直接支持 VeriCAV;Horiba Mira 领导的开创性项目，将开发一个集成仿真平台，智能地创建测试场景，使用初始测试结果为后续测试的选择提供信息。这将使自动控制系统的性能得到彻底和有效地测试，支持验证自动驾驶车辆或 ADAS 功能的安全性和可靠性的能力。