Ubers senaste dödsfall i självkörande bil understryker det faktum att tekniken fortfarande inte är redo för allmän användning. En anledning är att det inte finns många ställen där självkörande bilar faktiskt kan köra. Företag som Google testar bara sina flottor i större städer där de har spenderat otaliga timmar på att noggrant märka de exakta 3D-positionerna för körfält, trottoarkanter, avfarter och stoppskyltar.

Verkligen, om du bor längs de miljontals miles av amerikanska vägar som är obanade, släckt eller opålitligt märkt, du har ingen tur. Sådana gator är ofta mycket mer komplicerade att kartlägga, och få mycket mindre trafik, så det är osannolikt att företag kommer att utveckla 3D-kartor åt dem någon gång snart. Från Kaliforniens Mojaveöknen till Vermonts Vita bergen, det finns stora delar av Amerika som självkörande bilar helt enkelt inte är redo för.

Ett sätt att kringgå detta är att skapa system som är tillräckligt avancerade för att navigera utan dessa kartor. I ett viktigt första steg, ett team från MIT:s Computer Science and Artificial Intelligence Laboratory (CSAIL) har utvecklat MapLite, ett nytt ramverk som gör att självkörande bilar kan köra på vägar de aldrig har varit på förut utan 3D-kartor.

MapLite kombinerar enkel GPS-data som du hittar på Google Maps med en serie sensorer som observerar vägförhållandena. I tandem, dessa två element gjorde det möjligt för teamet att självständigt köra på flera opassade landsvägar i Devens, Massachusetts, och på ett tillförlitligt sätt upptäcka vägen mer än 100 fot i förväg. (Som en del av ett samarbete med Toyota Research Institute, forskare använde en Toyota Prius som de utrustade med en rad LIDAR- och IMU-sensorer.)

"Anledningen till att den här typen av "kartalösa" tillvägagångssätt inte riktigt har gjorts tidigare är att det i allmänhet är mycket svårare att nå samma noggrannhet och tillförlitlighet som med detaljerade kartor, " säger CSAIL-studenten Teddy Ort, som var huvudförfattare på en relaterad tidning. "Ett system som detta som kan navigera bara med sensorer ombord visar potentialen i att självkörande bilar faktiskt kan hantera vägar utöver det lilla antal som teknikföretag har kartlagt."

Pappret, som kommer att presenteras i maj på International Conference on Robotics and Automation (ICRA) i Brisbane, Australien, skrevs tillsammans av MIT-professor Daniela Rus och doktorand Liam Paull, som nu är biträdande professor vid University of Montreal.

Hur det fungerar

Trots alla framsteg som har gjorts med självkörande bilar, deras navigeringsförmåga bleknar fortfarande i jämförelse med människors. Tänk på hur du själv tar dig runt:om du försöker ta dig till en specifik plats, du ansluter antagligen en adress till din telefon och konsulterar den då och då på vägen, som när du närmar dig korsningar eller motorvägsavfarter.

Dock, om du skulle röra dig genom världen som de flesta självkörande bilar, du skulle i princip stirra på din telefon hela tiden du går. Befintliga system är fortfarande mycket beroende av kartor, använder bara sensorer och visionalgoritmer för att undvika dynamiska objekt som fotgängare och andra bilar.

I kontrast, MapLite använder sensorer för alla aspekter av navigering, förlitar sig endast på GPS-data för att få en grov uppskattning av bilens position. Systemet anger först både en slutdestination och vad forskare kallar ett "lokalt navigeringsmål", som måste vara inom synhåll för bilen. Dess perceptionssensorer genererar sedan en väg för att komma till den punkten, använda LIDAR för att uppskatta platsen för vägkanterna. MapLite kan göra detta utan fysiska vägmarkeringar genom att göra grundläggande antaganden om hur vägen kommer att bli relativt plattare än de omgivande områdena.

"Vår minimalistiska metod för kartläggning möjliggör autonom körning på landsvägar med hjälp av lokalt utseende och semantiska egenskaper som närvaron av en parkeringsplats eller en sidoväg, säger Rus.

Teamet utvecklade ett system med modeller som är "parameteriserade", vilket innebär att de beskriver flera situationer som är något liknande. Till exempel, en modell kan vara tillräckligt bred för att avgöra vad man ska göra i korsningar, eller vad man ska göra på en viss typ av väg.

MapLite skiljer sig från andra kartlösa körmetoder som är mer beroende av maskininlärning genom att träna på data från en uppsättning vägar och sedan testas på andra.

"I slutet av dagen vill vi kunna ställa frågor till bilen som "hur många vägar går samman i den här korsningen?", säger Ort. "Genom att använda modelleringstekniker, om systemet inte fungerar eller är inblandat i en olycka, vi kan bättre förstå varför."

MapLite är fortfarande begränsad på många sätt. Det är ännu inte tillräckligt tillförlitligt för bergsvägar, eftersom det inte tar hänsyn till dramatiska höjdförändringar. Som nästa steg, teamet hoppas kunna utöka utbudet av vägar som fordonet kan hantera. I slutändan strävar de efter att deras system ska nå jämförbara nivåer av prestanda och tillförlitlighet som mappade system men med ett mycket bredare utbud.

"Jag föreställer mig att framtidens självkörande bilar alltid kommer att använda sig av 3D-kartor i stadsområden, " säger Ort. "Men när man uppmanas att ta en tur utanför allfarvägen, dessa fordon måste vara lika bra som människor på att köra på okända vägar som de aldrig har sett förut. Vi hoppas att vårt arbete är ett steg i den riktningen."