自动驾驶的实现离不开一个关键条件：安全。近日，清华大学校友、麻省理工学院博士生杨恒及其团队研发出首套自动驾驶汽车“可验证感知”算法，将有助于提高下一代汽车的驾驶安全性。自动驾驶汽车。链接：https://arxiv.org/pdf/2109.03349.pdf杨衡，2015年清华大学汽车工程专业本科毕业，麻省理工学院机械工程专业硕士。硕士期间主要研究如何改进超声成像系统追踪肝纤维化。为了做研究，他需要上一门关于机器人的课程，叫做《Underactuated Robotics》，通过设计算法来学习如何控制机器人。这让他爱上了算法设计的研究方向：“这节课讲数学优化，用抽象的公式模拟世界上几乎所有的东西。我在这节课的问题中学会了一种巧妙的方法来解决我的论文。我很惊讶被计算在优化设计方面的强大性能所震撼，我很快确定这是我接下来要探索的方向。”2017年杨恒硕士毕业转入麻省理工学院攻读博士学位，在决策系统实验室（LIDS）攻读博士学位，师从LucaCarlone，专注于可验证感知挑战。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杰出成果。什么是可认证感知算法？当机器人感知周围环境时，机器人必须使用算法来估计周围环境并确定其位置。目前，用于机器人感知的算法都是为了快速感知而设计的，几乎不能保证机器人正确理解周围环境，这也是目前自动驾驶算法设计存在的缺陷之一，杨恒和部分委员LIDS实验室正在尝试解决这个问题，希望通过设计一个“经过验证”的算法来确定评估是否正确。例如le，机器人在执行感知之前首先捕获图像。例如，自动驾驶汽车会为正在接近自己的汽车拍一张快照。然后将此图像通过神经网络生成图像中关于接近的汽车的后视镜、车轮、车门等的关键点，并绘制线条以跟踪在2D汽车图像上检测到的关键点，并将其标记为3D汽车模型3D关键点。在此过程中，恒阳和他的团队必须解决一个优化问题，即旋转和平移3D模型，使模型与图像上的关键点对齐。此3D模型可帮助机器人了解其真实环境。在接受麻省理工学院新闻采访时，杨恒解释说：每一条描线都必须进行分析，以确保它们准确匹配。由于有许多关键点可能会错配（例如，神经网络可能将镜子识别为门把手），因此该问题是“非凸”的并且难以解决。去年，恒扬和他的团队找到了解决方案，并在ICRA2020上获得了机器人视觉最佳论文奖。论文地址：https://arxiv.org/pdf/1909.08605.pdf在杨恒的工作中，他把一个非凸的问题转化为凸问题，找到了成功的匹配方法。杨恒表示，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方案，也就是“全局最小值”。“如果没有更好的解决方案，（系统）会给出认证。”他指出，这些可验证的算法具有巨大的潜在影响，因为像自动驾驶汽车这样的工具必须稳健且值得信赖。“我们的目标是，如果感知系统出现故障，驾驶员可以收到警报并迅速接管方向盘。”HengYang和团队的最新工作采用了通用且可扩展的框架来设计可验证的算法，可用于自动驾驶汽车驾驶过程中的Robust几何感知。这项工作的主要亮点如下：1)将常见的鲁棒成本（如TLS、最大共识、Geman-McClure、Tukey对偶权重等）变换为POP中的稀疏性，提出了一种稀疏半定规划（SDP）松弛，即比标准的Lasserre层次结构小得多，同时保持准确性；3）提出STRIDE（convexSDP的globaldescent和non-Asolver结合fastlocalsearchforconvexPOP），以前所未有的规模和精度解决SDP松弛问题；4)针对六个几何感知问题评估所提出的框架，包括单次和多次旋转平均、点云和网格配准、绝对姿态估计以及类别级对象姿态和形状估计。他们的实验表明，尽管还不是实时的，STRIDE在中等规模问题上比现有的SDP求解器快100倍，并且是目前唯一可以用高精度设备解决具有数十万个约束的大规模SDP的求解器.同时，如果启发式估计是最优的，STRIDE通过证明全局最优性来提供针对现有快速启发式算法（例如RANSAC或非凸阶段）的保护措施。使模型适应不同的汽车在将2D图像与3D模型进行匹配时，一个假设是3D模型与被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怎样？结局或许无法预料，所以杨恒需要预估车子的位置，重建3D模型的形状。他们找到了一个解决方案：通过对先前识别的车辆进行线性组合，3D模型自动变形以匹配2D图像。假设模型可以从Audi更改为Hyundai，因为它记录了汽车的实际构造。识别接近车辆的尺寸是防止碰撞的关键。杨恒及其团队的工作也入围了顶级机器人会议RSS最佳论文奖，杨恒被评为“RSS先锋”。链接：https://arxiv.org/pdf/2104.08383.pdf近两年，杨恒及其团队在自动驾驶可认证感知算法设计方面取得了一系列研究成果，算法已从实验室到现实世界必然面临许多亟待解决的问题。期待杨恒和他的团队接下来的作品！
