大部分的无人驾驶汽车都被设计成平稳、安全和舒适的行驶模式。这么开车除了有点无趣之外，你可能没想过这其中也存在着安全隐患：比如你的无人驾驶汽车如果没有一些狂野的开车经验的话，那么它在路况环境复杂恶劣的地方可能就要掉链子。

在乔治亚理工学院，研究者们正在研发一种这样的自动驾驶算法：它可以让小型的无人驾驶汽车在渣土路面上以尽量的高速运行。日前，在瑞典首都斯德哥尔摩举行的2016年IEEE国际机器人和自动化大会上，他们就展示了部分成果，利用传感器的实时反馈和操作系统的精准处理，这款小型的无人驾驶汽车可以在保证其自身稳定可控（起码不能侧翻）的前提下，以尽量高的速度行驶。

如上图所示，这款只有真实汽车大小1/5的电动搜索工具就是这款无人驾驶拉力赛车，这辆车大约有1米长，21公斤重，最高时速可达100公里。车身结构上模仿卡车和硬派SUV的非承载式车身，为了装得下如GPS，IMU，车轮控制器，一对高速摄像机和一台装配有4核i7处理器、英伟达GTX750TI图形处理器、32G内存的超强悍电脑等诸多装备，车身结构借助3D打印技术做了很大程度的修改。再加上一个铝制的高强度外壳的包裹，普通的甚至高强度的撞击对于它来说都不成问题。

乔治亚理工学院的研究者们为了测试软件和硬件的实际情况，将迷你型的无人驾驶拉力赛车放置在一片渣土路面上，并且要尽可能地保持每秒钟8米的速度而不发生碰撞。下面这段视频（点击此处观看视频）可能有点长，在视频里，汽车大约从第2分钟开始行驶，到5分钟之后才发生了一些碰撞。

真正神奇的地方在于控制这台无人驾驶拉力小车的油门和转弯的算法，该算法并不是单纯地把操作和预判分作两个互相无关的个体，而是通过实时的车辆动力学原理，把这两者有机地结合在了一起。一般来说，这只是一种高强度的计算罢了，可是乔治亚理工学院的团队能够实时的通过车上装载的那颗高性能GPU，通常情况下在2560种不相同的运行路线中挑出一种最优的行驶路径，这一点是相当不容易的。并且，每一种路线选择都只决定了接下来2.5秒内的小车行驶路径，然后这台无人驾驶小车就不得不从头开始重新计算挑选一次最优的行驶路径，这样的计算频率和强度差不多达到了每秒钟60次的频度。

在训练的初始阶段，研究者们只是利用远程操作模式控制着小车在场地上平稳地运行几圈，所有的后续精彩部分（比如漂移和甩尾）都是算法自己实现的。当汽车的运行速度超出了地表摩擦力所能承受的最大值时，这种狂野的驾驶风格就显得非常必要了，当然，这对于毫无经验的机器人驾驶员以及人类驾驶员来说，都是非常危险的。因此，不单单是出于好玩，当摩擦力不够用时，这种驾驶方式对于安全的重要性也是研究者们的驱动力之一。就好像人类职业车手在保持速度不减和安全性的极端条件下，能够凭借自己的超高驾驶技巧做出一些精彩操作一样，无人驾驶汽车也要能够利用这一技巧来应对恶劣的天气和路况。

研究者们告诉我们说，视频中的绝大多数碰撞都是因为软件自身出了问题（注意这里不是算法出了问题），或者小车自身的硬件无法适应渣土路面的颠簸造成的影响。这个视频录制之后，他们已经升级了软件系统来适应一个更贴近实际情况的在动态变化中的路况环境。目前的这台无人驾驶小车已经可以在包括部分结冰的低摩擦路面到遍布大水坑的泥泞高摩擦路面在内的各种复杂路况环境中连续行驶好几个小时。

乔治亚理工学院的研究者们已经把所有关于无人驾驶拉力小车的技术文档以及软件源代码公开，他们希望其他研究自动驾驶的研究者们可以直接利用他们的研究成果。他们表示自己的代码是符合开源规范和ROS兼容的，并且使用Gazebo机器人模拟器仿真调试通过。

我们真诚的希望这一算法有一天能发展得足够成熟，得以放在一台实际大小的汽车上应用起来（当然这可能会造成无人驾驶和驾驶员之间的一些竞争），这样就能大大改善目前的无人驾驶技术在路况适应性上的缺陷。不过，如果在使用这一算法时不巧也发生了碰撞事故，那么按照它的狂野驾驶风格来看，估计碰撞强度也要远远大于目前的一般水平了。所以，没有什么绝对的东西，事情都要分开两面地看，就好像美国大部分州都不禁枪，原因就是这句名言：Guns Don’t Kill People, People Kill People.

由乔治亚理工学院的Grady Williams，Paul Drews，Brian Goldfain，James M. Rehg和Evangelos A. Theodorou等人撰写的《基于预测性路径积分控制模型的狂野驾驶分析》一文已经在本周早些时候发表在2016年的IEEE国际机器人和自动化大会上。

视频：点此观看