特斯拉（Tesla）和谷歌（Google）等技术巨头已经使自动驾驶汽车成为了技术爱好者中谈论最多的话题。全球各地的多家公司都致力于开发适用于各种地形的自动驾驶汽车。
为了使互联自动驾驶技术易于使用，负担得起并且所有人都能使用，基于博帕尔的Swaayatt机器人加入了潮流。然而，由于公司首席执行官Sanjeev Sharma先生对Autonomous Robotics所涉及的所有技术都拥有丰富的知识，因此在竞争中不胜枚举。自2009年以来，他一直从事大量研究，并进行了数学计算，为自动驾驶汽车提供了智能解决方案。
我们有机会与Sanjeev先生进行了交谈，并了解了Swaayatt Robots正在开发的自动驾驶汽车和机器人技术背后的所有技术，以及他们的未来计划。跳一下，阅读我们与他进行的整个对话。另外，您也可以观看下面的视频，收听我们的编辑和Sanjeev本人之间的对话。
问：使自动驾驶技术对所有人都可用且负担得起是Swaayatt机器人的主要任务。旅程是如何开始的？
过去11年以来，我一直在研究自动导航领域。早在2009年，我就受到DARPA大挑战的启发那发生在美国。在那些年里，自动驾驶成为我的目标。多年以来，我一直在研究并专门针对不确定性下的运动计划和决策进行自学。重点是充分利用机器学习，强化学习和各种技术。我于2014年创立了Swaayatt Robots，但它并不仅仅是应用我过去几年的研究成果。在运动和决策中运用一些想法，我还必须解决感知计划和本地化问题。我只有决策和运动计划方面的研究经验。但是对我来说，感知和本地化领域还很陌生。我丰富的数学背景对我有很大帮助。
一旦我开始开发算法框架以在2015年左右实现自动驾驶，我意识到这可能非常庞大，并且我们可以真正解决非常随机的敌对交通场景中的自动驾驶问题。自2014年以来，我一直全职致力于这家初创公司。我的研究特别涉及多个分支机构，但尤其是，我们公司的大部分重点是开发决策和运动计划算法，以使自动驾驶汽车能够应对交通动态中非常高的随机性。这大约是Swaayatt机器人公司进行的研究的65％至70％。大约25％-27％的研究涉及感知领域，其中涉及各种算法，这些算法处理来自车载机器人系统的传感器数据，并建立周围世界的3D表示。
从观念上讲，我们是世界上极少数可以允许自动驾驶汽车仅使用白天和黑夜工作的现成摄像机来感知环境的公司之一。到目前为止，大致就是这样。
问：您从2014年开始验证您的想法，然后到2015年完全踏上了前进的道路。那么这一年我们应该做什么？您如何测试印度可以进行自动驾驶？
自主驾驶是三个算法流水线的结合，即。感知，计划和本地化。该算法获取感官数据，对其进行处理，并在车辆周围建立3D表示。我们称它们为感知算法。定位算法试图全局准确地确定车辆在道路上的位置。这就是机器人过去在学术环境中工作的方式。在2009年，这种自动驾驶模式由Google率先提出。在自动驾驶汽车在特定道路上行驶之前，必须在3d中非常详细地绘制整个道路。我们称这些地图为高保真地图。这些高保真度地图存储有关环境的一些非常关键的信息。它们通常在环境中存储所有不同种类的定界符。
在自动驾驶汽车在环境中行驶之前，整个环境将以非常精确的方式进行映射。实际上，环境中的所有车道标记，道路边界以及任何类型的定界符都存储在这些类型的高保真地图中。
当车辆在您已经具有高保真度地图的环境中导航时，您将再次从车辆上的各种传感器捕获数据，并尝试将数据与已构建的参考地图进行匹配。该匹配过程为您提供一个姿势矢量，该姿势矢量告诉您车辆在地球上的什么位置以及车辆的配置是什么。一旦知道了车辆在道路上的位置和配置，您存储在高保真度地图中的全部信息就会投射到车辆当前配置的顶部。当您投影诸如道路标记，车道标记以及任何类型的道路定界符或环境定界符之类的信息时；相对于特定的定界符或特定的车道标记，自动驾驶汽车知道现在的位置。所以，这就是定位算法的作用。
自动驾驶的最后领域是计划和决策。您拥有的计划和决策算法越复杂，越好，则您的自动驾驶汽车将越有能力。例如，计划和决策算法将使公司与处于第二，第三，第四和第五级自治区的公司区分开。负责决策或计划车辆运动和行为的任何算法都是计划算法。
您在规划算法中越复杂，您的车辆就会越好。多个运动计划者和决策者可以帮助评估车辆和环境的安全性，导航速度，车辆周围环境以及可以从环境中计算出的所有参数。这就是计划算法的工作。
我一直在研究规划领域。如果您有那种可以处理印度交通动态随机性的算法。如果您能够解决这个问题，并且拥有算法，那么您已经证明，只要能够构建感知和本地化堆栈，就可以拥有成熟的自动驾驶技术。
您无需开发所有不同的算法即可验证哪种方法最有效。您只需要构建三种或四种不同的算法即可解决自动驾驶的关键问题。安全是为什么您在路上看不到商用自动驾驶汽车的主要问题。成本和所有其他问题都是次要的。我可以只用一种或两种算法（例如自动驾驶的本地化和映射方面）构建整个创业公司。但是我的目标是开发一款成熟的自动驾驶汽车，而不是在这里和那里开发一两个算法。在规划和决策领域的关键方面得到证明后，我有信心解决整个自动驾驶的整个问题。
问：Swaayatt机器人正在从事什么级别的自动驾驶？您认为印度可能达到什么水平？
我们的目标是实现5级自治，并确保该技术在此类环境中的安全性。我们在三级和四级之间。我们正在做的一些算法研究是针对运动计划和决策的，针对的是第五级。
我们还致力于使自动驾驶汽车能够在交通高峰期穿越交叉路口而无需红绿灯。我们的目标是通过使自动驾驶汽车能够应对交通高度随机的狭窄空间，实现五级自治。当车辆或自行车也从另一端驶来时，我们已经在非常狭窄的环境中进行了自动驾驶。在POC级别上，我们已达到三到四个级别。我们已经通过在空间狭窄的高度随机交通中进行实验，将POC转变为四级自治。我们目前的目标是在印度道路上实现每小时101公里的自动驾驶。
在此类环境中证明了车辆的安全性之后，您就可以将其技术应用于其他任何地方，例如在北美和欧洲，那里的交通更加井井有条，与印度相比，环境也更加严格环境。因此，到目前为止，印度是我们证明自己目前尚无人做的事情的试验场。
问：Swaayatt机器人在开发自动驾驶解决方案方面取得了哪些进展？您目前正在从事什么级别的驾驶？
当前，我们拥有世界上最快的运动计划算法，该算法可以在500微秒内为自动驾驶汽车计划接近最佳的时间参数化轨迹。因此，该算法的工作频率约为2000赫兹。我们拥有的技术可以在印度高速公路上实现每小时80公里的自动驾驶。在印度的高速公路上实现这种速度非常具有挑战性。通常，如果可以这样做，也可以将其带到其他地方。您可以将其应用到国外流量中，基本上，您已经非常接近第四级。为了给您一个想法，我们一直在努力进行所谓的多主体意图分析和协商。这个框架使我们的车辆不仅可以计算出其他车辆或代理商在道路上意图的可能性。它可以计算环境中其他主体或车辆或障碍物无法达到的整个路径集的概率。但是，仅此功能是不够的。例如，您可以构建一个计算量非常大的系统，该系统可以预测未来的运动轨迹，并可能计算不同车辆的所有路径集的概率。这是您必须重点关注的地方，即也要满足计算要求。如果您未进行任何研究，未正确使用数学或未正确设计数学，则在多主体意图分析和协商问题中的计算需求将成倍增长。我正在研究应用数学中的一些概念，特别是在拓扑理论领域。我正在使用一些概念，例如同位图，这使我们的技术可以扩展计算量。至少到目前为止，就代理数量而言，它是超线性的，而不是如果没有正确地计算出算法背后的数学原理，将会遇到指数爆炸。
多主体意图分析协商框架进一步细分为我们当前正在研究的两个不同分支。一个是TSN（紧凑空间谈判者框架），另一个是超车模型。 TSN允许自动驾驶汽车在低速和高速下协商紧密的环境和随机交通。因此，高速行驶对于高速公路拥挤的随机交通场景非常有用，而低速行驶则在城市环境中车辆通行时非常有用，因为在这种情况下，您经常会遇到交通拥挤且交通拥挤的最狭窄的街道，这意味着交通动态的不确定性太大。
在过去的两年半中，我们一直在为此进行工作，并且已经以POC的形式开发了它。我正在谈论的这些框架的某些细节可以在我们的下一个实验的演示中显示，该实验的目标是在印度道路上达到每小时101公里的运行速度。
此外，我们还一直在研究AI的不同分支。我们大量使用学徒学习，反强化学习。因此，我们目前正在努力使自动驾驶汽车能够像印度驾驶员一样在典型的两车道道路上超车。我们在有限的资金支持下，已在最大程度上证明了模拟和现实世界。这些是我们已经在实地证实的一些研究领域，其中一些将在未来几个月内得到证实。
除此之外，我们是世界上仅有的几家能够在完全未知和看不见的环境中实现自动驾驶的公司，而这些环境根本没有高保真地图。我们无需使用高保真地图就可以实现自动驾驶。我们正在努力彻底消除对高保真度地图的需求，而这种消除是通过我们的两项关键技术实现的。我们的TSN框架旨在设定新的监管基准。
问：说到硬件架构，您将哪种硬件用于计算目的。另外，您使用哪种传感器和照相机在自动驾驶汽车上绘制真实世界的地图？
截至目前，我们仅使用现成的相机。如果您看到我们的无人驾驶汽车演示，您会注意到我们只使用了3000卢比的摄像头。如果您查看有关自主公司或机器人公司在全球范围内进行的感知研究，那么他们正在使用所有三种不同的传感器，例如相机，LiDAR和雷达。目前，我们所有的自动驾驶实验都仅使用摄像头进行。当我创办公司时，我只拥有规划方面的专业知识，但是自2016年以来，我意识到无论世界各地的实验室在从事什么工作，最新的研究论文都在其中。它只是在现实世界中不起作用。如果它们起作用，则它们的计算量太大，并且它们根本不起作用。所以，我也将感知作为我的主要研究领域，我将大约25％-27％的时间用于感知研究。现在，我们公司的研究目标是使自动驾驶汽车仅使用摄像头即可感知，而无需使用LiDAR和雷达。这是我们要实现的研究目标。在实现这一目标的同时，我们还确保拥有适用于任何常见任务的世界上最快的算法。
我们在感知方面有两个目标。第一，该算法应具有足够的能力，以使其能够使自动驾驶汽车在白天和黑夜仅使用摄像机进行感知。我们不仅在白天而且在夜间也扩大了这种感知能力，只使用了车辆的前大灯以及常规的现成RGB和NIR摄像机，您可以在3000卢比的价格中购买这种摄像机。市场。
我们专注