共享乘車服務Lyft平臺上的部分共享車輛,現在會裝設低成本攝影機,拍攝人類駕駛日常所見到的場景,這些資料會被用來訓練自駕車系統,學習人類駕駛遇到特殊情況時的行為。

共享乘車服務的過程,涵蓋各種駕駛情境,從接乘客上車,到抵達目的地後讓乘客下車,每一個步驟都需要駕駛依經驗思考並做出判斷。收集共乘車輛行車路況,可以擴展Lyft對人類駕駛行為的了解,並將人類駕駛經驗應用到自駕車上,以解決自駕車系統棘手的問題。

這項路況資料不只能用來準確建置和更新3D地圖,也能訓練自駕車理解人類駕駛模式,Lyft提到,實際的行車路況影像,將可提高自駕車系統應付複雜狀況的能力。

Lyft使用共乘車輛的路況資料,結合2018年併購Blue Vision Labs所獲得的技術,建構出準確的3D地圖,由於Lyft平臺的共享乘車服務,覆蓋範圍相當廣,因此Lyft已經繪製了數千公里的地圖,並且持續地根據串流資料,更新地圖資訊,這些串流資料會在每趟乘車服務結束之後,立刻被記錄下來。

精確的3D地圖資訊,還包含了駕駛環境相關資訊,像是車輛行駛的車道,以及交通號誌資訊,Lyft應用電腦視覺以及其他機器學習技術,分析共乘車輛路況資料,自動辨識交通環境的物體,以獲得駕駛環境資料,像是車道的位置,以及駕駛員必須要遵循哪些交通號誌,並且了解駕駛處理危險情況的方法。

Lyft解釋,雖然以常識來說,行車維持在車道中心是最安全的,但以歷史紀錄來看,這種假設並非總是成立,當道路上有停放車輛或是坑洞等狀況,以及在部分特殊道路形狀以及可見度下,車輛行駛的位置可能需要調整,而人類駕駛擅長處理各種突發情況,因此人類實際駕駛路況以及軌跡,可讓自駕車學會人類駕駛經驗。

除了行車道位置需要微調之外,Lyft提到,車輛行進間可能還會遇到許多不可預測的行為,像是闖紅燈等情況,而行車路況資料則可以幫助自駕車系統,學習回應緊急事件的方法,像是該以什麼樣的減速曲線來反應闖紅燈,或是其他車輛突然切換車道影響駕駛直行。Lyft認為,使用行車歷史資料來訓練自駕車,比傳統的專家系統方法更自然舒服。


Advertisement

更多 iThome相關內容