在麻省理工学院的新无线技术研究中心的启动仪式上，该校博士研究生Swarun Kumar展示了新的无人驾驶技术，能够防止无人驾驶汽车撞击其他车辆和行人。

还有些其他组织或机构也在研究无人驾驶汽车，其中最为著名的是谷歌研发的无人驾驶汽车，它们能够识别道路正前方或后方是否有物体。Kumar及其麻省理工学院研究人员面临的挑战就是让这些车辆知道拐角和建筑物背后潜伏的危险。

Kumar展示了麻省理工学院研究人员对无人驾驶汽车测试的视频，视频中，运行着CarSpeak技术的无人驾驶的汽车遇到一个从建筑内走上人行横道的行人，这辆汽车便在人行横道的大约五码处停了下来，并等待行人走到马路对面才开始继续自动驾驶。

Kumar展示的解决方案是基于一种试图扩展汽车视场的通信方法，这可以通过压缩和共享无人驾驶汽车在运动中产生的数据来实现，Kumar表示，这些数据可以达到每秒千兆位。

CarSpeak与集成在无人驾驶汽车上的标准机器人操作系统(ROS)进行交互，ROS使用传感器来收集3D点云数据--复制附近区域的物理对象，并使用规划功能来建立一条路径以避开障碍物。

为了解决无法与其他车辆共享这些数据的问题，CarSpeak创建了一个网络来获取其本身与其他无人驾驶汽车以及基础设施传感器之间的传感信息，该网络可以使汽车查看CarSpeak在扩展区域(例如盲点中的移动对象)创建的数据。

根据报告显示，标准802.11网络不能满足无人驾驶汽车间通信的数据传输需求，因为它们产生的数据量是可用带宽无法处理的。而CarSpeak采用的是以内容为中心的MAC协议来用于传输数据，在该协议中，与具体要求的道路和地区相关的数据征用介质中的空间，而不是汽车发送信息请求。这确保了网络只显示相关数据，避免了不相关数据“泛滥”。

在对比测试中，使用CarSpeak的基于MAC的通信的汽车能够在最多0.45秒的平均延迟内停止，而运行802.11标准的汽车的最小平均延迟为2.14秒。

实现这一点的关键在于CarSpeak处理器接收数据的方式。由于数据如此巨大，为了有效地描绘出车辆周围的区域情况，CarSpeak更优先处理显示道路上附近车辆和行人的数据。

这是通过组织进入子集的信息来实现的，子集会将显示空道路的数据与显示障碍物的数据分离。Kumar将其描绘为表示汽车附近物理区域的多维数据集，这些多维数据集被分成更小的数据集，或者子集，这能够提供对周围物理区域更针对性和更准确的快照。

如果物理区域没有任何障碍物，这些多维数据集会被分配到一个数值“0”，如果有一个对象(例如一个行人或者另一辆车)，就会得到数值“1”。如果多维数据集被分配到一个0，然后整个区域都是空的，那么所有多维数据集的子集也都是0。如果被分配到一个1，CarSpeak会将其细分成更小的数据集，并精确定位这些是否被对象占据，然后，其他空的数据集将被忽略。

这个过程可以减少汽车需要处理的数据量，将重点放在显示道路危险的数据上，并给这些数据分配更高的优先级。CarSpeak然后处理这些数据，并作出相应的反应，而不会被无关紧要的信息蒙蔽了。

当然，CarSpeak并不是最终产品，与会者提出了一些问题，其中他们最关注的问题是，当这些车辆上的传感器变脏(因为灰尘或者雪)时会发生什么，或者如果行人在穿过马路时中途停止了脚步，无人驾驶汽车将如何反应。无人驾驶的一些人性化方面的问题还有待解决。

解决无人驾驶汽车的安全问题是全世界研究人员的共同目标。Kumar表示，通过减少交通拥堵、提高燃油效率和提高生产率，无人驾驶汽车每年将可以节省1000亿美元。这种潜在的优势已经让美国两个周(内华达州和加利福尼亚州)同意合法化无人驾驶汽车，通用汽车公司预测，无人驾驶汽车将于2020年出现在道路上。

麻省理工学院多年来都处于无人驾驶汽车研究的最前沿，甚至参加了2007年的DARPA城市挑战赛。新建立的无线中心将加速无人驾驶汽车的研究，以及致力于提高交通运输安全