MathWorks公司首席咨询工程师Loren Shure博士
首先，我们要搞清楚
什么是“自主技术”？
MathWorks公司是这样下定义的——系统提供在未经预演的情况下独立于人类直接控制的能力。自动控制技术出现已经有很多年了，但要实现真正的自主控制，还有一个要素，即未经预演的（unrehearsed）条件，因为我们不可能事先知道可能发生的任何情况。然而，我们希望设备能够正确工作。随着过去几年机器学习、人工智能等技术的迅速发展，自主技术正在成为可能。
自主技术的开发涉及哪些工作？
以梅赛德斯奔驰的概念车为例，首先它需要安装摄像头来获取周围情况，需要有GPS来获取位置信息。此外，它还需要安装雷达用于测距和测量对象的相对速度，还需要有激光雷达来对周边环境和地形等进行3D建模。数据获取（即传感）只是系统开发的第一步。有了这些数据后，系统还需要去感知，即利用传感器产生的数据去教授汽车去观察其他汽车的位置、车道的位置、人的位置及移动……“因为我们无法预演每一种可能的情形，所以我们必须使汽车在没有人类的帮助下能自动明白。这就是自主控制系统和自动控制系统的区别。”Loren Shure女士解释说。
下面我们来看几个自主系统的具体案例。首先来看Baker Hughes的油气开采系统。这套系统，一台泵车就价值150万美元。其上布满了许多的泵和阀，仅这些泵和阀的价值就达10万美元。如果某个泵坏了，就需要去更换泵车（150万美元）并对其进行维修（10万美元）。而泵坏的原因通常只是价格仅为200美元的某个阀损坏所引起。如果能在阀坏前予以替换就可以节省这些费用。然而由于情况千差万别，决定何时更换阀门并不容易。这套系统中有多台泵车同时工作，并且它们工作在不同的速度。由于油气种类不同，速度、温度、压力等参数也都不同，因此阀门的工作寿命也不相同（从额定寿命的一半到2倍额定寿命）。阀门的更换非常耗时而且需要按照计划进行，该公司也不希望过早进行更换。他们希望最好是在阀门失效前进行更换。因此，他们对每台泵车安装了25个传感器，去测量温度、压力、振动、正时等各种参数（不知道哪个参数重要）。这样，每台泵车上采集的数据量高达100GB。
MathWorks通过统计和频域分析，帮助他们确定了只有3个传感器起到关键作用，即正时、振动和压力。因此，他们可以取消其他传感器，并基于模型来预测阀门的未来情况。
因此，问题的关键是
如何找到最优预测器
，但这可能很难。Baker Hughes的案例是根据数据来得到最优预测器，而在有些案例中则是根据模型来获得。例如，
SAFRAN（赛峰集团）就是根据基于模型的设计方法来设计喷气发动机
。他们将基于数据的预测学和基于模型的预测学相结合，来对发动机进行分析。
另一个案例是
数字画库的应用
。人们把来自世界各地数个世纪的油画制作成数字格式挂到网上。你可曾注意到某个艺术家可能影响到另一个艺术家？下面这个案例中有两幅画，分别来自不同大陆（法国和美国）和不同年代（前后相差80年）。数字油画的数量如此之多，以至于我们不可能通过人工的方式把所有艺术家的所有作品一一比对。这两幅画里有许多共性，比如中间都有三个人，都有一把椅子、一个窗户、一个静止物、一根线条。这两幅画的结构也非常类似。
那么这是如何发现的？罗格斯大学的研究人员设计了一套系统，用来自主分类艺术风格。首先他们能够访问所有数据，然后他们需要感知。他们对每幅画测试了许多不同模型，使用了2种机器学习模型——无监督学习（发现例如在角落的东西）和监督学习（发现椅子和人等物体），然后用机器学习分类算法，根据视觉特征来对风格、体裁和艺术家等进行分类。他们使用支持矢量机器来进行判定，因此能够找到不同油画之间的关系。一旦这个项目找到某种联系的话，历史学家就可以据此做更多研究去了解其出现的原因。
再就是
Bigfoot Biomedical葡萄糖水平自主管理系统
。这个案例中可以看到自主系统所包含的所有四个部分。Bigfoot使用MATLAB®/Simulink®来开发自主系统，管理糖尿病人的葡萄糖水平。这是个典型的控制系统——测量葡萄糖水平，进而提供胰岛素。糖尿病人是这个系统的被控对象。该公司开发了一个手机app，用于管理病人起居饮食等各种活动，进而决定胰岛素注射量。但是系统电池损坏、胰岛素包更换、监视器脱落等情况也需要小心考虑。他们使用Simulink的Stateflow模型对这些系统进行建模，而无需去担忧系统之间的交互。此外，他们使用Polyspace Bug Finder和Polyspace Code Prover对代码进行分析，来确保覆盖到所有可能的场景，从而使病人使用安全。
此外，每个病人的病情、生理条件、年龄及患病时间等也各不相同，系统统统需要了解。而Bigfoot不可能等上数年再去推出系统，也不可能立马获得足够多的病例。因此，他们开发了一个虚拟诊所，并通过统计机器学习工具箱和系统识别工具箱，对所有不同情况和类型的病人进行仿真。但其获得的病人数量仍然有限。因此，他们将这套系统挂到了亚马逊的网络服务上，从而可以同时进行256例仿真，并且一天可以仿真5000万个病患。
他们通过摄像头对饲料散布情况生成3D点云数据，并使用计算机视觉来获取关键参数，从而控制喷嘴的角度和方向。然而这还不够，因为收割时间往往非常短，而且收割作物没有时间可以浪费。他们也不可能通过实验室去仿真各种条件。因此该公司创建了一个三维场景仿真器（嵌入式平台），并将其放到闭环系统中来模拟现场情况。因此，他们能够快速开发并测试计算机视觉算法、状态机算法以及控制算法。通过CAN总线将该平台与发动机控制单元（ECU）相连，便实现了执行机构的控制，操作员也可以在显示器上查看。此外，其可以对算法进行微调，并通过MATLAB Embedded Coder来生成代码。并且该嵌入式控制软件与在笔记本电脑上工作如出一辙。因此，这套系统可以通过笔记本或嵌入式代码实现控制，并根据新的情况进行调整。
