每天，加拿大滑鐵盧大學內的自動駕駛班車 WATonoBus都會啟動，行駛在圍繞校園的 2.7 公里環形路上。這款自動班車面向學生、教職員工和游客。它是世界上最大的學術汽車實驗室之一 —— 機電車輛系統實驗室 (MVS) 的眾多創新工程之一。

MVS 實驗室已成立超過 15 年，并與眾多組織和原始設備制造商 (OEM) 廣泛開展協作，包括行業巨頭通用汽車公司。

“我們通常有 40 到 50 名研究生、工程師、博士后和技術人員在工作，”滑鐵盧大學機械工程教授、MVS 實驗室負責人 Amir Khajepour 博士說道。

六年前，該實驗室利用加拿大創新基金會的初始資金啟動了自動駕駛項目。從那時起，這一名為 WATonoBus 的項目就吸引了數十名學生參與，并逐漸發展成為開發各種自主移動出行技術的平臺。

自動駕駛班車 WATonoBus 在交叉路口停下來，禮讓一名在人行橫道上的男子在班車前通過。

分解問題

WATonoBus 項目旨在打造一個自主移動出行研究和訓練平臺。考慮到每年都有學生加入和離開 MVS 實驗室的學術環境，我們希望該平臺需要的學習時間越短越好。這樣，這些研究生可以將大部分時間投入研發而不是學習平臺本身。

Khajepour 解釋道，“對我來說，最重要的事項之一是確保所構建平臺的學習曲線不能太長，因為學生們不斷加入和退出，變動頻繁。我們的平臺需要具有明確定義的模塊。這有利于團隊理解并持續以并行方式開發模塊。”

為了解決此問題，團隊將 WATonoBus 項目分解為幾個關鍵模塊，每個模塊的設計都貫徹簡易性和可訪問性。第一步是為班車配備各種傳感器，包括攝像頭、激光雷達、雷達和 GPS。然后他們創建了一個感知模塊，用于處理來自班車傳感器的輸入，將它們融合在一起，并提取關鍵信息，如汽車、物品和人員的位置、速度和方向，以及道路和可行駛區域。

團隊還開發了其他模塊，分別負責決策、運動規劃、控制和健康監測等。這些模塊是使用 MATLAB? 和 Simulink? 開發的。它們與其他模塊交互并執行對班車自動駕駛至關重要的任務。這些模塊的輸出是控制命令，例如加速度和速度水平、轉向角度和制動。這些命令會發送給 WATonoBus 以供執行。

“我們構建了一個通用的高級軟件架構，”Khajepour 說道。“感知部分需要大量 GPU 算力，因此我們使用了 NVIDIA? 處理器。但是，系統的其余部分都是在 Simulink 和 MATLAB 中開發的。”

這兩個模塊通過機器人操作系統 (ROS) 進行通信。此開源軟件框架為開發與現實世界交互的應用(如機器人和自動駕駛)提供了工具、庫和驅動程序。ROS 在發布者-訂閱者系統上運行，使系統中的不同節點能夠交換信息。

以 WATonoBus 為例，感知模塊將其結果和預測發布給 ROS。然后，決策和控制模塊訂閱這些 ROS 主題，以便在創建感知信息時接收該信息。一旦這些模塊處理了數據，它們就將其輸出發布回 ROS，然后 ROS 向班車控制作動器發送底層命令。

使用仿真進行訓練

開發自動駕駛汽車面臨的一個巨大挑戰是獲取數據來訓練模型。收集真實數據不僅緩慢、成本高昂，還不時面臨安全和監管問題。為了規避這些問題，工程師通常依賴仿真環境進行自動駕駛汽車所使用的人工智能系統的大部分訓練。

借助仿真，團隊可以在各種場景中訓練和測試模型，而無需在汽車上部署模型。仿真能夠降低成本，并提高訓練自動駕駛模型的速度。一旦模型準備就緒，就將它們部署到車輛上，以便在實際道路上進一步測試和微調。

Khajepour 說道，“我們并沒有首先在平臺本身(即班車)上運行所有一切，而是使用了 MATLAB 和 Simulink 環境來生成這些場景。”

該團隊使用 Automated Driving Toolbox? 中包含的駕駛場景設計器為其仿真環境創建了一個場景生成器。此工具支持工程師構造各種環境、道路和交通參與者模型，以及安裝在汽車上的所有傳感器。仿真環境提供感知模塊在現實中可能遇到的汽車和物體的位置。

與主架構一樣，這些信息發布給 ROS，并繼續傳遞給負責決策和運動規劃的模塊。然后，控制模塊的輸出返回到 ROS，并作為控制班車的命令傳回虛擬環境。

Khajepour 解釋道，“根據設計，我們的場景生成器能夠對任何布局的車輛、行人以及所有情形(例如丁字路口或任何其他交通狀況)添加位置、速度和其他因素。”借助這種方法，團隊能夠快速生成大量場景，包括很少發生但對測試自動駕駛班車安全性至關重要的挑戰性場景，通常稱為“邊緣情形”。

團隊在仿真中必須解決的一個問題是班車在不同場景下必須執行的動作序列，例如靠邊停車、打開車門、等待乘客上車等。為了解決這一問題，他們使用 Stateflow? 來設計狀態機，以幫助他們針對這些復雜的多步操作進行決策邏輯建模和仿真。

Simulink 使他們能夠使用模型預測控制和 PID 控制器仿真車輛動態信息。

真實測試

WATonoBus 的模型開發是迭代過程。每次迭代都在仿真環境中開始。研究團隊在仿真環境中使用 Simulink 和駕駛場景設計器在各種情況和邊緣情形下測試系統。一旦在仿真中證明該模型是穩健的，就可以將其部署到汽車上并在現實中進行測試。

在此轉換過程中，工程師會使用 Embedded Coder? 將其 MATLAB 軟件轉換為可在車載計算機上運行的可執行軟件包。在汽車上安裝軟件后，他們將在可以完全控制交通和物體的特殊環境中對軟件進行測試。這使他們能夠發現仿真訓練中可能遺漏的任何問題。

Khajepour 說道，“通常，我們在前幾輪真實測試中會遇到一些困難。我們返回仿真環境，調節系統，并將其重新部署到班車上。一旦我們對其表現抱有信心，我們就在大學的校園環形路上對其進行測試。”

環形路全長 2.7 公里，連接所有大學院系、泊車場和其他設施，是一個綜合試驗場。行人、騎車人、車輛和路況的混合出現反映了城市環境的復雜性。

“環形路很好地體現了城市環境，”Khajepour 說道。“在加拿大面臨的困難之一是確保您能在變化多端的天氣條件下正常運行。”

一旦該模型部署在環形路上的 WATonoBus 班車上，在安全駕駛員的監視下，該團隊將識別 WATonoBus 難以處理的新情況和場景。然后這些場景在仿真中重現，循環迭代重新開始。目前，團隊已使用這種迭代方法發布了兩個主要軟件版本，并用這種方法修改其模型和硬件。

向公眾開放

Khajepour 博士和他的團隊獲得了在環形路上運營載客 WATonoBus 的監管批準，這是一個重要的里程碑。現在，自動班車每天都向公眾開放。

Khajepour 說道，“我們每天運行大約小時來收集數據，看看各部分的配合情況。”

WATonoBus 在其運行軌跡中的五個站位停靠，在校園周圍的關鍵站位接送乘客。自推出以來，該班車很受有校園內出行需求的學生的歡迎。

除了其主要功能之外，WATonoBus 已發展成為創新平臺，促進了各項技術的發展，其應用遠遠超出在公共道路上自動駕駛的范圍。

“我們將在 WATonoBus 上學到的知識應用于其他應用，包括自主地下采礦、醫療設施中的自主移動出行、自動化配送中心和農場作業，”Khajepour 分享道。

該團隊還為 WATonoBus 開發了移動 App，可以顯示班車在環形路上的位置并提供班車時刻表。此 App 將作為收集學生和其他乘客反饋的寶貴工具，幫助團隊確定班車及其軟件有哪些地方需要改進。

WATonoBus 項目也是許多學生論文工作的實踐測試平臺。一名參與該項目的博士生說道，“我正在決策模塊中研究確定性處理。最終，我希望我的論文工作將部署到 WATonoBus 測試平臺上，看看我的工作是否可以提高班車的性能。”