电动自动驾驶汽车（图片来源：印度海得拉巴国际信息技术学院）
该车辆运用了基于SLAM（即时定位与地图构建）技术的点云地图测绘方法，旨在构建详尽的校园环境地图。通过LIDAR技术引导，车辆能够获得实时的状态估计信息，为驾驶过程中的精确定位提供有力支持。此外，车辆还采用了基于模型预测控制（Model Predictive Control）的路径优化技术，确保能够实时生成最优的行进路线。通过数据驱动模型的应用，可以对这些行进路线进行初始化处理，进而优化推理时间。
人类导航通常需要依赖情境线索和地标的口头指示，例如“在白色建筑物处右转”或“在入口附近停车”。同理，自动驾驶系统也需要精准的定位信息，一般也采用高分辨率的GPS或高精地图来实现。不过，此类方法的计算量通常很大。
OpenStreetMaps（OSM）等开源拓补地图有时可用作地理定位技术的替代方案。虽然此类地图比较轻便，但是定位精度却仅能达到6至8米，而且可能还会确实动态特征信息，例如，开放的停车场。IIIT Hyderabad则致力于研究运用现实世界地标的方法，旨在模拟与人类类似的导航流程。
该学院采用基础模型，将对世界普遍语义的理解整合进导航任务。通过在开源拓补地图中添加基于语言的地标信息，例如“一条长椅”或“一个足球场”等，该系统能够灵活地识别此类其未经训练的地点。该方法让该系统能够对不熟悉的环境有一般性认知。此外，该学院的机器人研究中心（Robotics Research Centre）将成熟方法与较新的技术相结合，以解决定位和导航方面的挑战，并采用内部研发的原型进行展示。
自动驾驶导航系统涵盖地图测绘、定位及规划功能。传统系统采用模块化管道或端到端架构，并且越来越多地将语言处理技术集成进来，以增强可解释性。此类系统能够依据自然语言导航指示（例如向右转并在食品摊附近停车）来进行导航，其核心在于实现无碰撞的路径规划。然而，传统系统通常会将目标预测、感知与规划分开来，有可能会引发结果不一致以及对感知模型的依赖。
为了解决上述问题，IIIT Hyderabad采用端到端训练法，让预测结果与规划目标保持一致。此外，还研发了一个轻量化的视觉语言模型，以将视觉场景的理解与自然语言命令结合。该模型依据车辆的视角视图和编码指令，以预测目标的位置。
在确保预测结果与真实世界的约束相符的过程中，可能会出现诸多挑战。例如，“停在红色车后面”等指令可能表示不可驾驶区域。为此，IIIT Hyderabad将一个感知模块与一个定制规划器整合在一起，其中规划器配备了一个神经网络框架，其可微分特质使其能够开展分阶段训练，从而提升预测精度及规划结果。此种方法让系统内的所有组件协同工作，以便在现实世界条件下实现更优的性能。
CONTACT US
ICC APP
