实时机器人技术运动计划芯片可以帮助自动驾驶汽车做出更好的决策。无论是令人震惊的Uber无人驾驶汽车撞死并杀死行人，还是特斯拉自动驾驶仪连续发生的事故，当我们总结每次事故的起因和车辆被强行接管时，我们都将其归咎于此。另一方面，人和车辆是否可以在不同条件下提供可靠的感知，运动计划算法的计算速度也影响车辆是否可以及时进行安全的路线计划。可以提高运动计划系统的速度吗？自DARPA挑战赛以来，出现了许多自动驾驶计划算法，但是目前还没有一种算法能够涵盖所有情况。面对高速场景，低速场景，自动停车场景，复杂而动态的非结构化道路场景，在交通参与者密集场景等场景中，大多数自动驾驶系统会根据其最有可能的场景来计划移动模型确定周围物体的作用。目前，大多数自动驾驶汽车可以以3 Hz至10 Hz的速度运行运动计划系统，而美国杜克大学的RealTIme RoboTIcs系统以1,000 Hz的速度运行，并通过大量可能的轨迹数据网络。并行，这可以使系统效率更高。在短时间内考虑更多潜在结果，以做出最佳决策。随着自动驾驶企业家精神的兴起，RealTIme Robotics定制运动计划芯片使一些芯片制造商能够专门为无人驾驶汽车定制芯片。更加符合算法的芯片可以提高效率并优化算法结构以降低功耗。美国杜克大学已经为运动计划定制了处理器，从而提高了计算效率。他们最初在台式手臂机器人上进行了实验，并开发了基于FPGA的定制处理器，该处理器可以快速执行机器人运动计划，从而将运动计划过程的速度提高了三个数量级，而之前的功耗仅为20％。一部分。现在，他们已经在无人驾驶汽车中成功使用了该芯片。该解决方案仅需要输入来自摄像头，雷达，激光雷达和其他传感器的感知数据，包括有关场景，静态障碍物以及其他特工的最可能未来路径的信息。通过使用网格规划器，可以在不到1ms的时间内完成障碍物检测和成本最低的路径计算。对于每个不确定的障碍物，系统都可以对其在计划的时间间隔内可能遵循的轨迹做出有根据的猜测。 FPGA可以在硬件中编码数据，并且硬件并行化的方式使运动规划步骤非常快。实时已在模拟环境中进行了许多测试。视频显示，事实证明该系统在以下两种情况下更加安全：①骑车人（无通行权）越过交叉路口，而骑车人在汽车遮盖下非法通过交叉路口。通过模拟不同的车速，自行车速度和自行车穿越时间，以当前10 Hz的自动驾驶平均速度为例，发生碰撞的机会为6.25％；而在实时系统下以1000 Hz不会发生碰撞。 ②行人突然从停放的汽车后面出现。行人突然从停放的汽车后面出现。从感知到决策的时间非常短。通过对不同的车速和行人移动速度进行不同的组合测试，发现根据通用决策系统处理的速度为22％的碰到行人的机会，更快的决策速度可以避免这种情况的发生。毫无疑问，计算越快越好。以每小时60公里（每小时约40英里）的速度，10毫秒计划与100毫秒计划之间的差约为一米半，这可以轻松地避免行进的行人。在更快的速度和更受限制的高速环境中，这种定制芯片显得更加有用。最近，这家成立三年的公司宣布推出结合了RapidPlan和RapidSense解决方案的无碰撞解决方案。实时机器人技术使机器人能够识别不断变化的环境并做出响应，以实现零碰撞。目前，该芯片已应用于台式手臂机器人，并且在自动驾驶汽车中的应用仍处于模拟环境中。它在实际交通环境中的性能需要进一步测试。综上所述，这种定制快速运动计划芯片的方法极大地提高了决策速度。如果可以应用于无人驾驶汽车，那肯定会带来新的革命。但是，与机器人不同，unmann