自动驾驶的落地离不开一个关键条件:安全最近几天，清华大学校友，就读于麻省理工学院的中国博士生杨航与团队合作，研发出第一套自动驾驶汽车可认证感知算法，将有助于提升下一代自动驾驶汽车的驾驶安全性
杨恒，2015年就读于清华大学汽车工程专业，毕业于麻省理工学院，获得机械工程硕士学位硕士期间主要研究如何完善超声成像系统追踪肝纤维化为了做研究，他需要参加一门关于机器人的课程，名为《Underactuated Robotics》，学习如何通过设计算法来控制机器人这让他爱上了算法设计的研究方向
这门课讲的是数学优化，用抽象的公式来模拟世界上几乎所有的事情在这节课上，我学到了一个解决论文问题的聪明方法我对自己在计算优化设计方面的强大表现感到惊讶，我很快决定这是我接下来要探索的方向
2017年，杨恒硕士毕业，转到麻省理工学院他目前在麻省理工学院信息和决策系统实验室攻读博士学位，师从卢卡卡隆，专注于认证的认知挑战目前，他在自动驾驶可认证感知算法设计方面取得了一系列突出的成果
什么是可认证的感知算法。
当机器人感知周围环境时，它必须使用算法来估计周围环境并判断其位置目前，机器人感知的算法都是为了快速感知而设计的，几乎无法保证机器人是否正确理解周围环境
这也是自动驾驶算法设计中存在的缺陷之一，杨航和LIDS Lab的一些成员希望解决这个问题，希望设计一个经过验证的算法来判断评价是否正确。
例如，在机器人感知之前，它首先捕捉图像例如，一辆自动驾驶汽车将拍摄一张汽车靠近自己的快照然后，该图像会生成后视镜，车轮，车门等关键点在图像中通过神经网络，并绘制线条，从而将2D汽车图像中检测到的关键点追踪到3D汽车模型中标注的3D关键点
在这个过程中，杨航和他的团队必须解决一个优化问题，旋转和平移三维模型，使模型与图像上的关键点对齐这个三维模型有助于机器人理解真实世界的环境
在接受麻省理工学院新闻采访时，杨航解释说，的每一条跟踪线都必须进行分析，以确保它们准确匹配由于很多关键点可能不匹配，所以这个问题是非凸的，很难解决
去年，杨恒和他的团队找到了解决方案，并获得了ICRA 2020年机器人视觉最佳论文奖。
在杨航的工作中，他将非凸问题转化为凸问题，找到了一种成功的匹配方法杨航说，即使匹配不正确，他们设计的算法也知道如何不断尝试寻找最佳解，即全局最小值
如果没有更好的解决方案，会给出认证他指出，这些可认证的算法有很大的潜在影响，因为像自动驾驶汽车这样的工具必须是健壮且值得信赖的我们的目标是，如果传感系统出现故障，驾驶员可以收到警报并迅速接管方向盘
可是，杨恒和他的团队的最新工作采用了一个通用和可扩展的框架来设计可认证的算法，这些算法可以在自动驾驶车辆的驾驶过程中产生鲁棒的几何感知。
这项工作的主要亮点如下:
1.将常见的稳健成本转化为多项式优化问题，)，
2.通过关注TLS的代价，他们利用POP中的稀疏性，提出了一种稀疏半定规划松弛，比标准的Lasserre层次结构小得多，同时保留了精度。
3.STRIDE的提出是为了以前所未有的规模和精度解决SDP松弛问题。
4.评估了针对六个几何感知问题的框架，包括单次和多次旋转平均，点云和网格配准，绝对姿态估计和类级物体姿态和形状估计。
他们的实验表明，对于中等规模的问题，STRIDE比现有的SDP求解器快100倍，是唯一能够高精度求解数十万个约束的大规模SDP的求解器。
同时，STRIDE为现有的快速启发式算法提供了一种保护措施，即如果启发式估计是最优的，它将证明是全局最优的。
使这个模型适应不同的汽车。
当匹配2D图像和三维模型时，一个假设是三维模型应该与识别的汽车类型一致但是，如果图像中的汽车具有机器人从未见过的形状，会发生什么呢结果可能是不可预测的，所以杨航需要估计汽车的位置，并重建3D模型的形状
他们找到了解决办法:通过线性组合先前识别的车辆，3D模型被自动变形以匹配2D图像比如车型可以从奥迪改成现代，因为它已经记录了汽车的实际结构识别接近车辆的大小是防止碰撞的关键
杨航和他的团队的这项工作还入围了顶级机器人会议RSS最佳论文奖，杨航被评为RSS先驱。
近两年来，杨恒及其团队在自动驾驶认证感知算法设计方面取得了一系列研究成果可是，当算法从实验室走向现实世界时，必然会面临许多亟待解决的问题期待杨恒和他的团队接下来的工作
郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。
