据外媒报道，在乘坐网约车时，有人也许会不同意GPS应用程序建议的“最快”路线，因为乘客或司机知道“更好”的路线？而为了让自动驾驶汽车真正被社会所接受，自动驾驶汽车的乘客体验必须与人类驾驶的车辆一样舒适，包括能够选择“最佳”或更舒适的方式达到目的地。 事实证明，寻找“最佳”或更舒适的方式是一个极其困难的计算挑战，不过美国亚利桑那州立大学（Arizona State University）研究人员们却想出了解决方案。研究人员们设计了一种新型优化方法，以跟踪自动驾驶汽车的轨迹，减少了误差，同时还降低了计算量。 在驾驶汽车时，人类驾驶员能够思考并且时不时应对多种情况：车速、街道上可能会发生的情况、安全问题等，同时还能够对车辆行进轨迹做出决策，并不断重新评估决策，因为对驾驶员和乘客而言，行进轨迹对于确保舒适度非常重要。能够优先考虑舒适度，并在机器人身上复制此种能力，一直是最近大量研究的焦点。 其中重要的问题是跟踪车辆轨迹，即确保车辆在既定时间内尽可能沿着期望的路线行驶。虽然听起来很简单，但是从数学上看，处理该问题的主要缺点是计算量太大。此次研究人员设计的新方法不仅满足稳定轨迹跟踪的所有要求，在跟踪位置、车速和加速度方面的误差实现了最小，同时还降低了计算量。 研究人员表示，下一步是考虑额外的、更现实的变量，如轮胎力和侧滑，让该方法能够被广泛使用，从而让车辆可以在高速路和恶劣道路条件下更准确地运行。 据外媒报道，在乘坐网约车时，有人也许会不同意GPS应用程序建议的“最快”路线，因为乘客或司机知道“更好”的路线？而为了让自动驾驶汽车真正被社会所接受，自动驾驶汽车的乘客体验必须与人类驾驶的车辆一样舒适，包括能够选择“最佳”或更舒适的方式达到目的地。 事实证明，寻找“最佳”或更舒适的方式是一个极其困难的计算挑战，不过美国亚利桑那州立大学（Arizona State University）研究人员们却想出了解决方案。研究人员们设计了一种新型优化方法，以跟踪自动驾驶汽车的轨迹，减少了误差，同时还降低了计算量。 在驾驶汽车时，人类驾驶员能够思考并且时不时应对多种情况：车速、街道上可能会发生的情况、安全问题等，同时还能够对车辆行进轨迹做出决策，并不断重新评估决策，因为对驾驶员和乘客而言，行进轨迹对于确保舒适度非常重要。能够优先考虑舒适度，并在机器人身上复制此种能力，一直是最近大量研究的焦点。 其中重要的问题是跟踪车辆轨迹，即确保车辆在既定时间内尽可能沿着期望的路线行驶。虽然听起来很简单，但是从数学上看，处理该问题的主要缺点是计算量太大。此次研究人员设计的新方法不仅满足稳定轨迹跟踪的所有要求，在跟踪位置、车速和加速度方面的误差实现了最小，同时还降低了计算量。 研究人员表示，下一步是考虑额外的、更现实的变量，如轮胎力和侧滑，让该方法能够被广泛使用，从而让车辆可以在高速路和恶劣道路条件下更准确地运行。