IT思维

公众号/将门创投

From: Nvidia 编译:T.R

安全对于无人驾驶至关重要！碰撞是威胁汽车安全驾驶的最大原因之一，如果自动驾驶能有效避免汽车之间以及汽车与其他交通参与者之间的碰撞，将会大大提升交通安全，减少更多的交通安全事故。

来自英伟达的研究人员提出了一种称为安全力场(Safty Force Field,SFF)的方法避免车辆碰撞，不仅从理论上证明了可以避免车辆碰撞，更在模拟和真实情况下验证了方法的有效性。SSF可以作为一种独立的手段监督车辆的路径规划和控制策略，如果发现威胁行车安全将会否决并纠正主系统的决策。

SFF的工作原理

SFF的主要任务是将周围交通环境中感知到的所有物体进行基于物理模型的前向模拟，基于这些计算SFF将执行安全程序来获得让各个主体避免碰撞并停止的路径，安全程序可以是刹车、也可以是转向配合刹车的过程。

SFF主要由两个交通主体当前的状态决定，它将描述其中一个主体在另一个主体出现时将如何行动，如果主体服从约束将避免不安全的碰撞发生。它在基本的碰撞规避层上提出了一种可计算机制，可以有效地集成到其他控制软件中。

上图中黄色区域是行驶车的声明区域，与对向车的声明区域产生重叠，意味着将有碰撞的可能。这是SFF将干预控制系统刹车来避免碰撞。

SSF在运行过程中每一个主体都会得到一条包含目标时空占据情况的三维追踪轨迹，研究人员将这一时空占据称为”声明空间(Claimed set)”，如果两个物体的声明空间有重叠就意味着他们将在某个时空点上会占据相同的空间，有碰撞的危险。所以当重叠发生时，SSF将采取行动以避免膨胀的发生，并为每一个物体计算最优的实时控制策略。

开启SFF后车辆规避碰撞的模拟

为了针对每一个主体选择最好的控制命令，SFF利用了”安全潜能(safety potential)”函数来描述在给定情况下每个控制命令的安全系数。SFF将在重叠的声明空间中利用扰动分析来计算那一个控制命令将最有效的避免碰撞的发生，同时与基准控制安全程序进行比较寻找出最优的控制命令。

虽然有多种控制方案，但SFF选择了转向和刹车的控制组合来保障安全，这样可以尽可能少地干扰汽车主控系统的控制。在转向和刹车配合的安全程序下，SFF将学习人类驾驶员的控制行为。如果急刹车不能避免碰撞的话，将会模拟人类转向，将车转到可行驶的硬路肩上以避免碰撞。

SFF指导下的紧急刹车和转向减速规避动作

在模拟过程中，研究人员将汽车的横向和纵向移动进行了联合考虑，在完整的三维时空中进行模拟，并利用了GPU进行加速。这对于模拟真实情况下汽车的运动十分重要，实际行驶中的汽车不仅包括了纵向上的加速减速过程，还包括横向的变道和规避过程。此外有的路面还会出现车道线缺失和拥堵的情况，只有联合横向和纵向的控制才能尽可能多地覆盖复杂的真实情况。

SFF在多种场景下都可以有效应用，包括高速路行驶、普通道路驾驶甚至是停车场等场景都可以大幅度提升行驶安全。

不同车辆的声明空间，如果有重叠就要进行安全控制

如果想要了解更多细节，可以参考更多的理论描述和数学推导：
https://www.nvidia.com/content/dam/en-zz/Solutions/self-driving-cars/safety-force-field/the-safety-force-field.pdf

ref:
https://news.developer.nvidia.com/drive-labs-eliminating-collisions-with-safety-force-field/
https://www.nvidia.com/en-us/self-driving-cars/safety-force-field/
https://www.nvidia.com/content/dam/en-zz/Solutions/self-driving-cars/safety-force-field/the-safety-force-field.pdf
https://dribbble.com/shots/3993765-Collision-Detected