（原標(biāo)題：Virtual Point：以O(shè)ptiTrack運動捕捉系統(tǒng)為基石，打造前所未有）

　　為了使自動駕駛汽車在實際道路上安全使用，我們需要了解它們之間的相互作用。”

　　— 阿曼達(dá)·普羅克(Amanda Prorok)

　　“堵車”一直是人類交通歷史上難解的題目，當(dāng)“禮讓”因為“趕時間”而被人們拋諸腦后，那么等待在前方的可能將會是更嚴(yán)重的擁堵。人們在駕駛過程中，都僅是偌大交通中小小的一員，司機(jī)之間并無溝通，如果僅靠默契，很難達(dá)到大范圍內(nèi)順暢的交通流動。

　　針對類似問題，來自唐寧學(xué)院和圣約翰學(xué)院的Nicholas Hyldmar、Michael He于2018年夏季在劍橋大學(xué)計算機(jī)科學(xué)與技術(shù)系A(chǔ)manda Prorok的博士實驗室完成了一項本科研究項目。他們對微型機(jī)器人車隊進(jìn)行了編程，使它們在多車道軌道上行駛，并且在不同情況下，觀察了其中一輛車停下來后交通有哪些變化。

　　設(shè)計了此實驗算法的Michael He說道！“自動駕駛汽車可以解決很多不同城市駕駛相關(guān)問題，但需要有一種方式讓他們相互合作起來。”而設(shè)計了硬件部分的Nicholas Hyldmar說！“如果不同的汽車制造商都在使用自己的軟件開發(fā)自己的自動駕駛汽車，那么這些汽車都需要彼此進(jìn)行有效地通信。”

　　現(xiàn)有自動無人駕駛汽車測試都是通過電腦模擬進(jìn)行的，常規(guī)比例模型又因太大或太昂貴而無法真正在室內(nèi)實驗中使用。在這項實驗中，研究人員為學(xué)術(shù)研究、教育及自動駕駛多車系統(tǒng)的延展領(lǐng)域提供了一個阿克曼操作平臺(Ackermann-steering platform)，這是世界上少有的面向大眾的設(shè)計，特別是對于具備遙測設(shè)備(如運動捕捉)的機(jī)器人實驗室具有很大吸引力。

　　劍橋研究人員使用的是具有逼真轉(zhuǎn)向系統(tǒng)的市售廉價比例汽車模型，這種模型可裝入75 x 81 x 197毫米的盒子中，重450克(包括電池)，售價76。5美元，可在3個小時內(nèi)組裝完成。每個汽車都是基于一個1！5的汽車底盤，并且搭載了一個含GPU的ASUS Mini-ITX主板，該主板使小汽車使用車載傳感器即可實現(xiàn)快速的自動無人駕駛，并使汽車之間可以通過wifi互相通信，知道彼此的位置。這種比例模型車尺寸大約為20cm×8cm，不僅模型成本低，而且避免了大場地實驗，簡化了后續(xù)運動捕捉技術(shù)的實現(xiàn)過程。

　　實驗室使用的是OptiTrack系統(tǒng)，該系統(tǒng)基于被動式標(biāo)記點(Markers)，可實時提供車輛位置反饋。每一輛微型小車上都裝配了五個標(biāo)記點，OptiTrack系統(tǒng)可以實時追蹤小車并且以100Hz為頻率提供位姿測量。通過連續(xù)的運動信息，擴(kuò)展型卡爾曼濾波器可得到每個汽車的位姿(pose)、速度以及轉(zhuǎn)向角的預(yù)估值。研究人員實現(xiàn)了一種用于軌跡跟蹤的內(nèi)環(huán)和外環(huán)控制法。外環(huán)(如！軌跡規(guī)劃器)生成軌跡，或使用預(yù)先計算好的軌跡(如高速公路車道)來計算速度和轉(zhuǎn)向角定位點，而這定位點用于供給內(nèi)環(huán)，使汽車間的位置信息互通有無。

　　實驗過程中，我們可以看到，當(dāng)汽車在彼此間信息不通的情況下駕駛，一輛汽車在一側(cè)道路停下，此時后面的任何汽車都必須停車或減速，并等待交通間隙。這種情況其實在真實生活中頻頻上演，停下的汽車后面迅速形成了一個隊列，最終導(dǎo)致總體交通流量減少，更易造成交通擁堵。

　　但是，當(dāng)小汽車相互通信并共同駕駛時，停在內(nèi)道上的車會向所有其他汽車發(fā)出信號，這時外車道的車廂收到信號就會略微減慢速度，因此內(nèi)車道的車廂能夠迅速繞過停靠的車而不必明顯減速甚至完全停下等待。

　　在正常模式下，協(xié)同駕駛比不協(xié)作駕駛改善了35%的交通流量，而對于主動駕駛而言，改善了45%。

　　研究人員還測試了車隊如何通過操縱桿對人類控制的一輛汽車做出反應(yīng)——當(dāng)實驗者手動將汽車駛?cè)氲缆贰⒉⒁约みM(jìn)的方式行駛時，其他汽車也收到相應(yīng)信號，通過減速或繞開的方式讓路，避開激進(jìn)的駕駛員，從而提高了安全性。

　　Amanda Prorok說！“我們的設(shè)計允許對自動駕駛汽車進(jìn)行各種實用且低成本的實驗……要使自動駕駛汽車安全地在實際道路上使用，我們需要知道它們將如何相互作用以改善安全性和交通流量。”

　　往后，研究人員計劃在更復(fù)雜的場景中使用類似車隊，進(jìn)行多車系統(tǒng)測試，包括具有更多車道與交叉路口的道路、有更復(fù)雜駕駛表現(xiàn)的道路，以及呈現(xiàn)更多噪點感知和通訊延遲的道路。這種多目標(biāo)優(yōu)化問題在未來的研究實驗中將一一得到設(shè)計和驗證，而基于光學(xué)原理的OptiTrack運動捕捉技術(shù)也將持續(xù)為類似學(xué)術(shù)研究提供穩(wěn)定的功能性支持。