在导航缺失的路段行驶自动驾驶汽车是一项艰巨的任务。实际上可供自动驾驶汽车行驶的路段也不多。像谷歌这样的公司只会在大城市测试车队，他们花了大量时间，精心制作了城市的车道、路缘、出口匝道和停车标志等位置的3D标记。

MIT的计算机科学和人工智能实验室(CSAIL)主管Daniela Rus表示，利用这些标记过的地图，自动驾驶汽车可以确定自己的位置，如果出现行人或其他车辆这样新的物体，自动驾驶汽车也知道如何调整。因此自动驾驶汽车依赖大量的3D地图，所以可以行驶的区域十分有限。

事实上，在美国数百万英里的道路都没有铺过，没有灯光或可靠的标记，如果你住的地方沿线是这样的路况，那你就无法操纵自动驾驶汽车。这样的街道通常路况相当复杂，交通也清闲得多，所以短时间内大公司也不会特地为这种路段开发3D地图。从加州的Mojave Desert到佛蒙特州的White Mountains，自动驾驶汽车在这一大片区域都不适用。

解决这个问题的方法之一是创建足够先进的系统来导航而无需那些精细的地图。Rus和他在CSAIL的同事开发了MapLite，迈出了重要的第一步，这个框架允许自动驾驶汽车在没有3D地图的情况下，可以在陌生的道路上行驶。

MapLite与谷歌地图的GPS数据结合，数据中还包含各个季节的路况变化。这两者的结合也使得团队实现了在马萨诸塞州Devens多条未铺柏油的乡村小路上自动驾驶，并能在超过100英尺的地方预先探测到这条道路。（这里作为与丰田研究所合作研究的部分，研究者用的是一辆丰田Prius，配备了一系列激光雷达和IMU传感器。）

CSAIL的研究生Teddy Ort是一篇有关该系统的论文主要作者，他认为，这种不依靠地图的方法过去没有被采用，主要是因为要达到与精细的地图一样的准确性和可靠性要困难得多。像这样可以用车载传感器导航的系统，显示出自动驾驶汽车的潜力，即能够摆脱科技公司绘制的精细地图的束缚，掌握更广泛的路况。

这篇论文将于5月在澳大利亚布里斯班举行的机器人与自动化国际会议（ICRA）上发表，由Ort，Rus和博士研究生Liam Paull共同撰写，其中Liam Paull现在是蒙特利尔大学的助教。

虽然自动驾驶汽车已取得重大进步，但与人类相比，其导航技能仍然相形见绌。

考虑一下现实中的情况：如果你想要到达一个特定地点，你可能%0`$A4v,gh"
R@
#
址输入手机，然后只是偶尔在接近十字路口或高速公路出口时确定一下方向。

不过如果像自动驾驶汽车那样，就相当于在走路的时候一直盯着手机确认方向。现有的系统仍然很依赖地图，使用传感器和视觉算法只是为了避开行人或其他车辆之类的动态物体。

然而MapLite使用传感器完全是为了导航，只有在获取车辆大致的位置时才会使用GPS数据。该系统首先设定了最终目的地和研究者所谓的“局部导航目标”，两者必须在汽车的视野之内。其感知传感器会利用激光雷达来估计道路边缘的位置，从而生成到达这一点的路径。

在没有物理道路标记的情况下，MapLite可以通过道路比周围区域相对平坦的基本假设做到这一点。

Rus表示，“我们准备的地图无需太复杂，使用如停车位和旁路等当地风貌和语义特征，就可以在乡村小路上自动驾驶。”

团队开发了一个“参数化”模型系统，这意味着它们描述了多种类似的情况。例如，一个模型的功能可能足够宽泛，可以决定在十字路口或在特定的道路上要怎么做。

MapLite与其他无地图驾驶方法不同，后者更依赖于机器学习，先基于一组道路的数据进行训练，然后在其他道路上进行测试。

Ort谈道，“一天结束后，我们希望汽车能够回答‘在某个十字路口合并了几条道路’这样的问题。一旦系统出问题或卷入事故，用建模技术我们就能更好地理解造成这些状况的原因。我认为未来的自动驾驶汽车在城市地区行驶，总会使用到3D地图，但是如果在偏僻的道路上行驶，这些车辆必须表现得和人类一样好才行，我们希望今后能够解决这个问题。”

当然，MapLite也存在缺陷，比如在山路的情况下就没那么可靠，因为它没有考虑到海拔的急剧变化。下一步，团队希望能够扩展车辆掌控的道路种类。团队希望最终系统的性能和可靠性能够达到与地图系统相同的水平，而在范围上要更广一些。