DForum
AutoTronics2020
 

疫情成中转 Waymo布局复杂自驾车情境测试

受惠于就地避难措施,Waymo近月得以于其自驾车封闭测试基地Castle进行情境更加丰富的自驾训练。Waymo

疫情期间,Alphabet旗下自驾车业者Waymo于加州进行更加完整的自驾情景测试,受益于就地避难措施,研究人员得以于路上布置各项复杂道路情境,并以搜集而来的数据训练自驾车,以利自驾车更能因应各种紧急状况。

Waymo指出,受惠于就地避难措施,得以于自驾车封闭测试基地Castle进行情境更加丰富的自驾训练;Castle位于加州Merced郡,由空军一号基地改建而成,主要用于让旗下自驾车进行道路训练、相关软件测试,以及衡量整体系统的表现。

就地避难措施使Waymo得以进行规模更广、情境更多的道路测试,且可进行更全面的环境条件控制,除了可在宽广的市区大马路、郊区道路、乡间小路与圆环进行测试,研究人员更可模拟多种突发状况,象是有路人走出行动厕所至马路上,或是有一袋垃圾从卡车上掉下来挡在自驾车前等状况。

目前Waymo已累积超过4万种结构化道路测试情境(不包括每种情境中的不同变量),其中包括日常情景、仍未实际发生的预想道路状况,或是行驶超过1亿英里才会发生的罕见情景。

在可全面控制环境的情况下,研究人员得以多次重复进行情境模拟,并改变情境内的多项条件变量,确保自驾车能获得最全面的训练数据,以有效因应更加复杂的情况。

例如,研究人员会挑选某些看似日常的情景,象是垃圾车行驶于窄巷中,垃圾罐在自驾车前几百尺散落于路上,并根据上述情景至国家资料库中搜集最常见的意外事故场景,进而展开不同的潜在情景设想,亦或是针对工程师设计的自驾功能,打造特定情境以供自驾车进行测试。

自驾车测试并非一步到位,而是反复模拟的测试循环,其中,结构化测试、情境模拟以及公开道路测试都扮演著极为重要的角色,且相互影响,这些测试除了能使自驾车训练数据更加全面,也有助于研究人员快速进行情境模拟,在办公室内就能完成自驾车的新功能开发与调试。

结构化测试也可使研究人员更好衡量自家的软件与硬件表现,衡量自驾软件集成进汽车与感测系统中的表现,同时观察能否透过微小的调整提升自驾车的效能与安全度。


  •     按赞加入DIGITIMES智能应用粉丝团
更多关键字报导: Waymo