在投入了几十亿美金的开发和收购资金到无人军用海陆空交通工具之后，你的答案是绝对的“肯定”。美国人需要完全自主控制车吗?但是当你将完全自主控制观点加入到混合控制中时，这个答案就变的不那么直接明了。
美国军方已经采用了上千无人驾驶交通工具，并且很有可能在未来的几年内使用更多此类产品。 例如，在伊拉克和阿富汗地区驻扎的地面部队，已经引进了小型机器人来处理排爆任务。同时，美军未来作战系统包括了小型和大型无人驾驶地面交通工具，从30磅的小型无人驾驶地面车到2.5吨的多功能动力/后勤补给以及设备维修车。无人驾驶水下交通工具也被美国海军采用执行水下排雷任务。
nload="javascript:if(>740)=740" align=center border=0>
Boss 车是一辆全自动 的Chevy Tahoe，它在上个月的城市大挑战中夺得冠军。这
是一项由美国国防部高级研究计划署(DARPA)赞助的无人驾驶汽车比赛。
战争区域的天空将被无人驾驶飞行器布满。 Teal集团高级军事分析专家，同时也是公司2008年无人驾驶飞行器(UAVs)研究发起人之一的Steve Zaloga称，2002年军方拥有127架无人驾驶飞行器，而到2006年这个数字达到了520架。不仅仅我们拥有越来越多的UAVs，对它们的使用也越来越频繁。2002年无人驾驶飞行器的飞行时间为30,000小时，而到2006年，这个数字上升为160,000飞行小时。”Zaloga说道。
Teal集团研究项目在未来10年将会花费550亿美元在UAVs的研究上，投入资金从2008年的34亿美金上升到2017年的73亿美金。“几乎所有的经费来源于美国军方。现在暂时没有民间UAV市场。”Zaloga说道。
nload="javascript:if(>740)=740" align=center border=0>
不像其他美国国防部高级研究计划署(DARPA)组织的早期比赛，在沙漠中完成固定项目，
城市大挑战要求无人驾驶车在遵守交通规则的情况下，行驶在模拟的城市道路环境中。
无人驾驶并不等同于自动驾驶，无人驾驶交通工具只是部分功能自动。一个是由人来进行远程控制操作；一个是完全以程序为基础的独立自主行动。 根据Zaloga所说，无人驾驶飞行器的开发者回避了完全自动驾驶，因为美国军方相信人类可以根据UAV侦察的结果对智能数据进行实时处理——不仅仅是在有UAV武装的条件下做出最正确的火力命令。“甚至是无需任何人操作的更新UAV平台也不会完全自动驾驶。”他预测道。
与之不同的是，当无人驾驶地面车达到自动驾驶操作阶段时趋向于相反的方向。上个月，当美国国防部高级研究计划署(DARPA)举办城市大挑战的时候，卡车大小的机器人遥控车又向前迈进了一大步，这项比赛对大型遥控车来说是最为困难的一项测试。
不像前两届比赛在沙漠中进行规定的项目，这次城市大挑战在加利福尼亚州维克多维尔市的乔治空军基地街道上举行。美国政府当前正在那里开展城市环境下的军事行动训练。比赛要求所有11辆无人驾驶车同时启动，在各种城市街道条件的模拟情况下进行比赛。无人驾驶车必须加入到移动的车流中，使出浑身解数穿过十字路口以及交通圈，找寻并驶入停车地点，自始至终都要避免和运行的车辆以及静态物体发生碰撞。同时，值得一提的是，与很多刚刚拿到驾照的驾驶员一样，这些无人驾驶车必须遵守加利福尼亚州的交通法规以防被取消比赛资格。
参赛车在整个比赛过程中真正做到无人驾驶或者无人远程操控。取而代之的是，这些无人驾驶车在使用各种计算功能，各式传感器以及复杂的软件，真正地自行驾驶。“所有参赛的车辆让人吃惊。11辆自动驾驶车都能在复杂的环境中行驶，同时它们之间以及和其他50辆由人驾驶的车之间互相较量。这是无人驾驶车的大日子。”比赛冠军得主，Carnegie Mellon公司Tartan车队技术总监Chris Urmson说道。
Tartan车队的Boss是一辆安装了传感器的全自动2007 Chevrolet Tahoe双模式混合动力车（见下图），在全程55英里内以14mph的平均速度行驶，领先了第二名的斯坦福大学车队将近20分钟的时间。Tartan车队的努力赢得了两百万美元的奖金。同时美国国防部高级研究计划署(DARPA)也通过这个比赛验证了现有无人驾驶技术可以制造大型、全自动的无人驾驶车。
最大的赢家还是消费者。无论是Boss还是其他参赛车辆采用的技术是否被用于战争，在近几年内，一些技术将很可能被用于民用自动化生产上。“我们在Boss车上采用的一些系统与那些商务车辅助系统类似，”Continental Automotive公司项目工程师兼Tartan车队成员Michael Darms指出。“但是比赛仍帮助人们认识到要将怎样的新型自动化功能加装到未来辅助驾驶员系统中。”这些性能包括提高刹车、变道、停车以及十字路口安全辅助功能。
Boss车
城市大挑战的一个有趣的地方在于Tartan车队以及其他参赛车队采用的技术，现在可以被用于商业制造或在未来汽车型年能被用于生产。
Boss车采用了Continental公司的各种商业和下一代雷达系统，同时还采用了Velodyne和Sick公司的激光传感器。与其他参赛车一样，Boss车依靠现有的Applanix车辆定位系统结合全球卫星定位以及惯性数据对其他车辆位置进行追踪。系统由10个英特尔处理器支持，Tartan车队的工程师们采用一般软件开发工具。“我们采用很多手边的技术，”Urmson说道。“但是我们使用的方法不同结果会大不一样。”
Urmson指出有两大遥控技术问题值得Tartan车队对自己的参赛车进行改进。一个牵涉到系统集合和控制结构问题。“系统体积有些偏大。”Urmson说道。
“体积大”只是谦虚的描述。Boss车由19个不同的传感器和一个定位系统来收集信息。每次信息反馈时间为0.2秒，这大致与普通的驾驶员反应时间相当。Urmson说任意时间Boss车集散控制系统要通过英特尔处理器处理100条信息。“其中的的一半是历史数据，另外一半涉及决策的制定、行动计划和高级感知。”他说道。全自动技术帮助Boss车每12小时产生一兆兆字节的遥感勘测数据。它的软件含有300,000行代码。“事实上如果了解到我们工作的复杂性，我们会以这300,000行代码为骄傲。”Urmson说道。
第二项无人驾驶车所面临的挑战比Tartan车队单边系统集成要困难的多。车队要让Boss拥有人一样聪明的驾驶技巧。这项任务的目的是要让机器人的传感器感知系统有所突破提高，同时要提高机器的行动计划和行为计算能力。
感知问题在Urmson眼里是个烫手山芋。“了解那里有什么，什么在移动，什么没有移动，车辆位置在哪里，这些都是一个巨大挑战。”他说道。通过补充的传感器收集数据然后变成车辆环境中具体图像，Tartan车队的工程们解决了这个问题。正如Urmson解释的那样，激光设备首先处理远距离感应——大约离无人驾驶车150m的距离——与此同时，激光传感器可以进行近距离感应。一般的，两种传感器一块工作，之间互有交迭，共同识别周围运动的车辆和静止的物体。“单独的激光传感器不能识别远距离车辆是否是罐子或是金属物体。”他说道。“所以在近距离，我们采用激光传感器来确认激光源或者排除错误电极。”
Darms博士白天在Continental公司的工作是关于驾驶辅助技术，同时他所攻读的工程博士也涉及这个领域。他将这个感知系统称为传感器熔炉，同时对系统的争论让Boss车在感知性能角度尤其特别。“这是第一次将这么多不同的传感器成功连接在一辆汽车上。”他说道。
依照行动计划，Tartan车队的工程师们写下复杂的计算法则来保证无人驾驶车在路面和例如停车场这样的窄道上行驶最佳轨道。Urmson说Boss车能够每秒计算1000个轨道。“在路上，我们为无人驾驶车设计出动态可行轨道，保证车辆加速度弹性。然后检查车辆是否和任何物体交叉碰撞。从那些不会碰撞任何物体的轨道中，我们挑选出一条来保证处于赛道的最中间。”他说道。在停车场，他们设计更加复杂的公式来计算车辆横穿开阔空间的所有不同路径。
Boss车的遥控突破点还包括新行为系统，该系统能够支配Urmson所说的“战术驾驶决定”。例如，这个系统帮助Boss车处理非意料中的交叉路口环境，不仅仅是“谁先走”而是“万一错误的车先行驶了”或“万一车辆在交叉路口停下来了”。
这个系统没有出现在Tartan车队比赛用车上，而是被使用于美国国防部高级研究计划署(DARPA)原来的地面挑战赛中。它代替了Boss车一般的感知。Urmson将这个行为系统的描述为“遵循基本法则”基础上加入了其他类型的智能技术。他见证了这个系统帮助车辆应付突如其来的情况做出行为反应：行为没有明确设置在Boss车程序中。“总的来说这是无人驾驶汽车一个非常热门的研究领域，即如何让机器有了人的知觉或者知觉的表征。”他说道。
在Boss车的设计中没有给工程设计小组带来太多麻烦的，要属汽车控制电动舵机。电子节气门通过Tahoe引擎控制模块发生作用。“我们通过CANbus发送一些数据块。”Urmson说道。他认为：在几年内，驾驶舱内如刹车、方向盘和开关执行器所有必需的小型电动机、三位式执行器只需用电线就可以像电子节气门一样接通。
Urmson注明执行器技术在工程设计领域比遥感技术和行为技术更好掌握。但是他不重视执行器工作好坏的重要性。“项目中没有比这更加简单的东西了。”他说道，“简直就是小菜一碟。所以困难的工作无疑都具备军事价值，但是近几年内没有必要将卡车大小的遥控汽车放到战场上。
正如Teal集团Zaloga指出的，各类无人驾驶汽车还会遇到与UAV一样的问题。“地面无人驾驶车的完全自动性能还是遭到质疑，可能在环境熟悉度和驾驶员感觉度上有缺陷。”Zaloga说道。缺少驾驶员感觉会让无人驾驶车不能适应困难的地形环境、避免被捕获或者安装防御保护避免遭到袭击。
当全自动无人驾驶车还处于开发阶段的时候，要说他们能否在部队安全保护基础上顺利完成任务还为时尚早。同时，如果在你身边的超市停车厂发现一辆无人驾驶SUV也不是一件稀奇事。
军用多功能动力、补给以及维修车MULE
第一眼看上去，无人驾驶地面车是为美军未来作战系统项目开发的设备，和参与美国国防部高级计划署DARPA最近组织的城市大挑战中出现的遥控SUV车类似。想象一下，在郊区行驶的迷你悍马和在伊拉克战场上的Humvee.
当谈到自动导航功能，美国国防部高级计划署DARPA的参赛车以及未来作战系统FCS的多功能动力/补给和维修车（MULE）有很多相似的地方。“与DARPA的参赛车一样，我们采用很多类似的自动导航技术，”未来作战系统无人驾驶地面车开发负责人、FCS计划主要系统供应商科学应用跨国集团（SAIC）副总裁Alan Walls博士说道。
MULE平台包括各种运输、武装侦查以及地雷探测工具，通过传感器和复杂的软件来进行导航控制。像DARPA参赛车一样，MULE将会采用互补传感技术—包括LIDAR，毫米波雷达，全方位光感系统以及安装了GPS全球卫星定位系统和惯性数据的汽车定位系统。Walls博士解释说MULE将会配备先进的传感器，特别是DARPA小组没有采用的更高解决方案LIDAR。但是一般的传感器工作原理还是类似的。
与DARPA参赛车一样，MULE自动导航系统开发主要是要依靠运动计划以及行为计算，这些帮助探测车在严酷的地形环境中进行导航，避免碰到障碍物，同时自主制定战术方案。也许DARPA参赛车和现实生活中的MULE最大的区别在于操纵杆的不同。与DARPA比赛中完全自动功能相反，MULE将会采用半自动控制—自主导航与一些车辆采用的电子操作相结合。“他们将会把人力控制和自动功能结合。”Walls博士说道。
nload="javascript:if(>740)=740" align=center border=0>
MULE汽车重达2.5吨，能够进行运输、地雷探测以及遥控武装车辆突击
计划目标期望人力控制将一些现有的规则加入自动操控中--从技术角度以及我们的期望角度出发，在人判断下基于遥控功能来执行任务。例如，Walls博士说，在穿越严酷地形的时候，人也许会控制操纵杆，特别是当地形变化影响了MULE路点规划时。“不可预知的情况下必须要求人来控制。”他说道。另外一个重要地方在于美军希望操作火力武器时保留人力控制。Walls博士指出FCS系统法则坚持在使用火力武器之前由人来对打击目标进行确认。“MULE不会自动操纵火力武器。”他继续说道。而且这种情况不会在短期内改变。
