RealtimeRobotics的运动规划芯片可协助自动驾驶汽车作出更佳的决策。无论是骇人听闻的Uber无人车撞倒行人的事件，还是特斯拉自动驾驶仪接连不断的事故，我们在总结每一项事故以及车辆不得不接管等情况再次发生的原因时，一方面归咎于无人车在有所不同条件下能否获取可信的感官能力，而另一方面，运动规划算法的计算速度也在影响着车辆否需要及时做出安全性的路线规划。

否需要提升运动规划系统的速度？自DARPA挑战赛以来，自动驾驶的规划算法大量兴起，但目前还没一种算法需要覆盖面积所有的场景，在面临高速场景，短距离场景，自动泊车场景，简单动态的非结构化道路场景，交通参与者密集场景等场景时，大多数自动驾驶系统不会根据其模型最有可能的场景来规划运动，以确认周围物体的起到。目前大多数自动驾驶汽车需要以3Hz至10Hz的速度运营运动规划系统，而美国杜克大学RealtimeRobotics系统以1，000Hz运营，分段通过大量有可能轨迹的数据网络，这使得系统需要在更加较短的时间内考虑到更好的潜在结果，从而作出最佳决策。RealtimeRobotics自定义运动规划芯片自动驾驶创业的蓬勃发展，让一些芯片制造商专门为无人车自定义芯片，更加贴近算法的芯片，需要提高效率，优化算法结构也能增加功耗。

而美国杜克大学专门为运动规划自定义了处理器，提升了运算的效率。他们最初在桌面手臂机器人上做到实验，基于FPGA研发出有了一种可较慢展开机器人运动规划的自定义处理器，使运动规划流程的速度提高了三个数量级，而用于的电量仅有为之前的二十分之一。

现在，他们把这种芯片顺利运用在无人车上。该解决方案只必须输出来自摄像机，雷达，激光雷达和其他传感器的感官数据，还包括有关场景的信息，静态障碍以及其他代理的最有可能的未来路径。

通过利用网格规划器，在将近1ms的时间内继续执行障碍物检测和低于成本路径计算出来。对于每个不确定性障碍，系统都能对其在规划间隔内有可能遵循的轨迹展开有根据的猜测。

FPGA可以在硬件中编码数据，硬件并行性的方式使得运动规划步骤十分慢。Realtime早已在仿真环境中做到了大量测试，视频中列出了在两个场景下，该系统被证明安全性贞着提升：①骑马自行车者（没通行权）穿越一个十字路口一个骑马自行车的人在一辆车的遮盖下，违规通过十字路口。

通过仿真有所不同车速，自行车速度和自行车穿过时间下，以目前自动驾驶做到决策的平均速度10Hz为事例，不会有6．25％的几率再次发生撞击；而在Realtime系统1000Hz下撞击会再次发生。②行人忽然从停放在的汽车后面经常出现行人忽然从停放在的汽车后面经常出现，从感官到作出决策的时间很短，通过有所不同车速和行人移动速度的有所不同人组测试，找到按照一般决策系统处置的速度22％的几率不会打中行人，而更慢决策速度下，可以防止此事故。

毫无疑问，计算出来的速度就越慢当然是就越好的。在60公里／小时（大约40英里／小时）的速度下，10毫秒规划和100毫秒规划之间的差异约是一米半，这很更容易顺利地避免一个任性的行人。在更慢的速度和更为有限的高速环境中，该自定义芯片变得更加简单。

近日，这家正式成立三年的公司宣告发售了无撞击方案人组RapidPlan和RapidSense解决方案，RealtimeRobotics通过让机器人需要辨识和号召大大变化的环境来构建零撞击。目前，该芯片早已应用于在桌面手臂机器人上，在自动驾驶汽车上的应用于还正处于仿真环境中，在现实交通环境中的展现出如何，还有待更进一步测试。总结这种通过自定义较慢运动规划芯片的方法明显提升了做到决策的速度，如果需要应用于在无人车上必然带给全新的革命，然而与机器人有所不同的是，无人车上路除了要做避障规划以外，还必须遵从交通规则，很多条件下必须滑行来避障，此芯片在速度规划和路径规划的融合方面有可能还必须更加全面的考虑到。

本文来源：金年会金字招牌信誉至上-www.huilihang.com