蓋世汽車訊 自動駕駛汽車由需要大量駕駛數據的機器學習算法提供支持，從而實現安全駕駛。但是，如果自動駕駛汽車可以像嬰兒學走路一樣學習駕駛，即觀察和模仿周圍的人，則需要的駕駛數據就會少很多。據外媒報道，波士頓大學（Boston University，BU）工程師Eshed Ohn-Bar基于上述理論開發出一種全新的學習安全駕駛技術的方法，即通過觀察路上的其他汽車，并預測這些車輛對環境做出的反應，隨后利用這些信息自主做出駕駛決策。

（圖片來源：https://arxiv.org/pdf/2106.05966.pdf）

BU工程學院電氣和計算機工程助理教授、BU的Rafik B. Hariri計算與計算科學與工程研究所的初級教師Ohn-Ba，以及BU電氣和計算機工程博士生Jimuyang Zhang，最近在2021年計算機視覺和模式識別會議（Conference on Computer Vision and Pattern Recognition）上展示了他們的研究。由于希望增加各自領域研究人員之間的數據共享和合作，他們開始訓練范式。目前，自動駕駛汽車需要數小時的駕駛數據來學習如何安全駕駛，但全球一些較大的汽車公司不會共享他們的大量數據，以避免競爭。

Ohn-Bar稱：“每家公司在生產汽車方面的經歷都相同，包括在汽車上安裝傳感器、聘用駕駛員駕駛汽車、收集數據以及教汽車駕駛。”共享駕駛數據可以幫助公司更快地制造安全的自動駕駛汽車，從而讓社會上的每個人都能從合作中受益。 Ohn-Bar說，人工智能駕駛系統需要大量數據才能正常運行，因此沒有一家公司能夠獨自解決這個問題。

Ohn-Bar稱：“數十億英里的路上數據之于現實事件和多樣性就如一滴水之于海洋。然而，缺失的數據樣本可能會引起不安全的行為和潛在車禍。”研究人員提出的機器學習算法可通過估計附近其他汽車的視點和盲點來創建周圍環境的鳥瞰圖，從而有助于自動駕駛汽車檢測障礙物，如其他汽車或行人，并了解其他汽車的如何轉彎、協商和讓行的，從而避免發生碰撞。

通過這種方法，自動駕駛汽車通過將周圍車輛的動作轉換成自己的參考框架來學習，即他們的機器學習算法，從而驅動神經網絡。周圍車輛可能是沒有傳感器的由人類駕駛的汽車，也可能是其他公司的自動駕駛汽車。對場景中周圍車輛的觀察是算法訓練的核心，因此這種“邊看邊學”范式鼓勵數據共享，從而提高自動駕駛汽車的安全性。

通過使自動駕駛汽車在兩個虛擬城鎮中行駛，Ohn-Bar和Zhang測試了他們的“觀察和學習”算法。這兩個模擬城鎮中，一個具有與訓練環境相似的直接轉彎和障礙物，另一個具有較令人出乎意料的拐角，如五向交叉路口。在這兩種情景下，研究人員發現他們的自動駕駛神經網絡很少發生事故，且只需一小時的駕駛數據即可訓練機器學習算法，自動駕駛汽車的安全抵達目的地的準確率高達92%。

Ohn-Bar表示：“以前最好的方法也需要幾個小時駕駛數據才能學會安全駕駛，令我們驚訝的是，我們的方法只需十分鐘的駕駛數據。”Ohn-Bar還表示：“試驗結果很有希望，但在處理復雜的城市環境方面仍然存在一些公開的挑戰。考慮到被觀察的車輛之間急劇變化的視角、傳感器測量中的噪音和遮擋物，以及司機的不同，實現安全駕駛還是非常困難的。”

展望未來，該團隊表示，這種教授自動駕駛汽車進行自動駕駛的方法也可用于其他技術。Ohn-Bar表示：“配送機器人甚至無人機都可以通過觀察環境中的其他人工智能系統來學習。”

返回第一電動網首頁 >