自動駕駛汽車由需要大量駕駛數(shù)據(jù)的機器學(xué)習(xí)算法提供支持，從而實現(xiàn)安全駕駛。但是，如果自動駕駛汽車可以像嬰兒學(xué)走路一樣學(xué)習(xí)駕駛，即觀察和模仿周圍的人，則需要的駕駛數(shù)據(jù)就會少很多。據(jù)外媒報道，波士頓大學(xué)（Boston University，BU）工程師Eshed Ohn-Bar基于上述理論開發(fā)出一種全新的學(xué)習(xí)安全駕駛技術(shù)的方法，即通過觀察路上的其他汽車，并預(yù)測這些車輛對環(huán)境做出的反應(yīng)，隨后利用這些信息自主做出駕駛決策。
BU工程學(xué)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(xué)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(lǐng)域研究人員之間的數(shù)據(jù)共享和合作，他們開始訓(xùn)練范式。目前，自動駕駛汽車需要數(shù)小時的駕駛數(shù)據(jù)來學(xué)習(xí)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(shù)據(jù)，以避免競爭。
Ohn-Bar稱：“每家公司在生產(chǎn)汽車方面的經(jīng)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(shù)據(jù)以及教汽車駕駛?！惫蚕眈{駛數(shù)據(jù)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(tǒng)需要大量數(shù)據(jù)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(shù)十億英里的路上數(shù)據(jù)之于現(xiàn)實事件和多樣性就如一滴水之于海洋。然而，缺失的數(shù)據(jù)樣本可能會引起不安全的行為和潛在車禍?！毖芯咳藛T提出的機器學(xué)習(xí)算法可通過估計附近其他汽車的視點和盲點來創(chuàng)建周圍環(huán)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(zhuǎn)彎、協(xié)商和讓行的，從而避免發(fā)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(zhuǎn)換成自己的參考框架來學(xué)習(xí)，即他們的機器學(xué)習(xí)算法，從而驅(qū)動神經(jīng)網(wǎng)絡(luò)。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(xùn)練的核心，因此這種“邊看邊學(xué)”范式鼓勵數(shù)據(jù)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(zhèn)中行駛，Ohn-Bar和Zhang測試了他們的“觀察和學(xué)習(xí)”算法。這兩個模擬城鎮(zhèn)中，一個具有與訓(xùn)練環(huán)境相似的直接轉(zhuǎn)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(fā)現(xiàn)他們的自動駕駛神經(jīng)網(wǎng)絡(luò)很少發(fā)生事故，且只需一小時的駕駛數(shù)據(jù)即可訓(xùn)練機器學(xué)習(xí)算法，自動駕駛汽車的安全抵達(dá)目的地的準(zhǔn)確率高達(dá)92%。
Ohn-Bar表示：“以前最好的方法也需要幾個小時駕駛數(shù)據(jù)才能學(xué)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(shù)據(jù)?！監(jiān)hn-Bar還表示：“試驗結(jié)果很有希望，但在處理復(fù)雜的城市環(huán)境方面仍然存在一些公開的挑戰(zhàn)。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(xiàn)安全駕駛還是非常困難的?！?BR> 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(shù)。Ohn-Bar表示：“配送機器人甚至無人機都可以通過觀察環(huán)境中的其他人工智能系統(tǒng)來學(xué)習(xí)。”
（轉(zhuǎn)載）
