【环球热闻】清华大学等单位科研人员合作研发 新型自动驾驶安全测试系统问世
【科技前沿】
(相关资料图)
光明日报北京4月11日电（记者邓晖通讯员田姬熔、常潇予）飞速发展的自动驾驶技术让汽车迈入“无人之境”的梦想不再遥不可及，但要想真正实现自动驾驶汽车的大规模商业化落地，安全测试验证成为行业进一步发展的重中之重。自动驾驶汽车到底是“新手上路”，还是车技稳如“老司机”？近日，清华大学自动化系智能交通研究团队助理教授封硕与美国密西根大学Mcity主任刘向宏等科研人员合作研发出一套全新的安全测试系统，为“AI司机”量身定制出一套“驾考试题”。日前，该项研究成果以《基于密集强化学习的自动驾驶汽车安全性测试》为题发表于《自然》正刊，并登上当期封面。
随着自动驾驶技术的发展，当驾驶水平越来越接近人类驾驶员，自动驾驶汽车的安全性能测试变得愈发重要，但同时也更难以开展。封硕告诉记者：“目前业内对此已初步达成了研究共识：亟须解决‘百亿公里’难题。”
什么是“百亿公里”难题？
研究人员介绍，在自动驾驶汽车投入大规模应用前，需要开展大规模的道路测试，从统计学上验证自动驾驶汽车的安全性。据估算，这个测试规模至少要达到百亿公里。从时间、资源与成本上来看，在实际道路上进行测试显然难以实现。这便是当前自动驾驶技术发展所面临的最棘手问题之一。
“我们所做的就是希望能够加速这个过程，用尽可能少的测试里程等价代替这百亿公里的实地测试。”封硕表示。
如何以最小的成本、最高效地找出自动驾驶汽车的安全问题？封硕带领团队从统计学的视角寻找研究切入点。
经验丰富的司机在开车时遇到突发状况，会结合道路情况、附近车辆的反馈，凭借直觉判断并迅速作出反应，那么同样的情况摆在人工智能面前，它该如何作出决策？
“这本质上是一个超高维空间小概率事件的期望估计问题。”封硕解释道，“人机交互的复杂性与道路交通状态的复杂性决定了自动驾驶汽车需要处理超高维空间内发生的各种情况，这是我们面对的‘维度灾难’。而在测试中为了验证安全性，我们需要自动驾驶汽车学会处理各种危险状况下的交通事件，由于危险状况往往是小概率事件，所以我们还会面临‘稀疏度灾难’。”
将实际问题从统计学的视角转化为学术问题后，封硕和团队成员从理论层面寻求突破，创造性地提出了密集强化学习方法，通过识别和删除非安全关键状态、连接安全关键状态，并在编辑后的马尔科夫过程中训练神经网络，解决了“稀疏度灾难”。同时利用密集强化学习方法训练交通环境中的背景车辆，构建出一个由自动驾驶汽车和背景车辆组成的智能测试环境，从而实现了模拟环境替代实际道路环境。
“通俗来讲，我们的智能测试系统将自动驾驶汽车周围的背景车辆模拟成为一个个智能体，大家有着不同的驾驶目的：自动驾驶汽车希望更安全地行驶，背景车辆希望更好地帮助自动驾驶汽车发现安全问题。这样我们就可以通过改变背景车辆的行为来实现对自动驾驶汽车安全性能的测试，让测试里程大幅减少，让测试过程变得更高效。”封硕形象地将这一过程比喻成为“AI司机”寻找“陪练”。
为了让“陪练”更精准有效地提供帮助，研究团队收集了海量人类驾驶数据，对“陪练”进行拟人化训练，从而确保测试环境更加贴合人类驾驶环境。同时还通过技术手段增加“陪练”司机的“危险系数”，让它们在行驶过程中表现出更强的侵略性与对抗性，从而增加测试环境的挑战性。
基于增强现实测试平台，研究团队将经过反复理论推演的研究思路在美国密西根大学Mcity和美国交通中心的测试场中付诸实践，对L4级自动驾驶汽车开展安全性测试。结果表明，这种方法不但可以有效学习生成智能测试环境，并且与直接在自然驾驶环境中测试自动驾驶汽车相比，智能测试环境可以加快评估过程多个数量级。这意味着，实验中每一公里的测试，近似等价于实际道路测试中一千到一万公里的结果，极大加速了安全测试流程。
“我们这套方法为‘AI验证AI’这种研究思路提供了一个可供借鉴的具体案例。”封硕对于当前的研究还有更长远的构想，“这套方法未来有潜力拓展到更广泛的领域，这也是我们未来的研究方向。同时，这项研究成果未来更有潜力为下一步自动驾驶技术的研发进行方向性的引鉴和指导：通过测试找到问题，对症下药地开展优化安全设置和性能的研究，就能间接地推动自动驾驶安全性的有效提升。”
《光明日报》（ 2023年04月12日08版）
标签：
精彩推送
头条：4月4日基金净值：广发多元新兴股票最新净值1.8373，跌1.8%
4月4日，广发多元新兴股票最新单位净值为1 8373元，累计净值为1 8373元，较前一交易日下跌1 8%。历史...
天天微速讯：外卖打包费不能成“包装刺客”：强制消费并非留客之道
多家媒体近日报道了一些外卖商家收取打包费的乱象：“一份13 14元的奶茶，打包费竟要4元，而送来的这杯...
杭州高新(300478)：第四届第十七次监事会会议决议，审议关于公司董事长为公司向银行申请综合授信提供担保暨关联交易的议案等多项议案|全球独家
4月4日，杭州高新公告显示，公司第四届第十七次监事会会议于2023年4月4日以现场会议方式召开，会议通过...
新闻快讯
X 关闭
X 关闭
新闻快讯
- 【环球热闻】清华大学等单位科研人员合作研发 新型自动驾驶安全测试系统问世
- 苏格兰威士忌是什么酒_威士忌是什么酒_世界速读
- 菏泽花农三代传承，百株老牡丹成“家传宝贝” 前沿热点
- 基于 Spring Cloud Gateway 实现微服务架构的限流、熔断和重试
- 每日讯息!西藏药业2023年一季度净利预增超七成
- 环球滚动:ST星星：截至2023年4月10日，公司股东总户数为35,889户
- 上海国际医学园区吸引超千家企业、机构落户后，新建16万平方米张江基因岛即将投用
- 唐朝“牛李党争”持续40年|快播报
- 自贡文旅投资9亿元私募债券项目更新至“已受理”|全球微头条
- 巴西总统卢拉将访华 热点在线
- 【天天新要闻】星空私语——金星合昴星团11日浪漫登场
- 横琴“双15%”税惠政策落地 明确3类人才可享个税优惠
- 淘宝租凭合同范本(热门7篇)
- 3月CPI同比上涨0.7% 涨幅创近18个月新低
- 招商银行上海分行二手房“带押过户”贷款落地 首笔发放200万元 焦点滚动
- 第110万辆菱智家族下线
- 今亮点！市委党校春季学期主体班开班
- dfu模式怎么进入 dfu模式的应用范围-当前快报 视点
- 多言有益乎？5个很短的寓言，看懂后受用一生！ 全球播报
- 雅俗共赏歌曲dj版_雅俗共赏歌曲
- 环球即时看！基金经理，正在疯狂离职
- 河北阜平召开2023年药品、医疗器械经营企业培训会
- 每日聚焦：西昌邛海附近发生火情，救援力量已赶赴现场
- 一单顶半年！福莱特逾80亿元大单到手
- 英超0-2到2-2！阿森纳3分变1分！利物浦主场狂追2球，曼城真笑了 每日看点
- Mysteel日报：全国热轧板卷价格下跌 预计明日震荡下行_每日信息
- 每日消息!口袋心理学：上海女孩卖50万豪车辞掉编制当网红
- 银行首份一季度业绩快报来了，常熟银行总资产突破3000亿 全球微头条
- 如何油漆铝板_新年礼物送女生什么比较好呢|世界快消息
- 中国国贸董秘回复：根据公司与客户签署的合同，公司收取租金或其他费用基本以人民币进行计价和结算
- 湘雅常德医院何青春：“生死时速”创造生命奇迹
- 环球热点评！抢救一个“没有价值”的村庄
- 【全球新要闻】原神角色对话没声音怎么回事
- 以军轰炸叙利亚南部 造成部分设施损毁
- 河北省张家口市2023-04-10 06:49发布大风蓝色预警
- 男子拦劳斯莱斯不给喜烟就掰车标！价值24万的“小金人”
- 天天快讯:Skip：詹姆斯仍能以高水准去得分 但没法终结比赛 别说他是GOAT
- 肾衰竭能活多久最好_肾衰竭能活多久
- 天天热门:电脑开不了机怎么用u盘重装系统教程_电脑开不了机怎么用u盘重装系统
- 安顺一路口有安全隐患，交警：即将安装红绿灯 世界速讯
- 天天百事通！“人气爆棚”“规模之最” 缓复苏和去库存仍是白酒行业主基调
- 山药褐斑病
- 【世界新视野】硬核快报丨魏牌蓝山正面硬刚理想L7、8兄弟 胜算几何？
- 天天亮点！马克龙中英法三语分享访华行程 赞“法中友谊万岁！”
- 玩家绘制主机概念图：把PS5变成可爱机械猫猫！ 环球热议
- 天际汽车停工停产，尾部新造车陷入生死局 全球观察
- 手机怎么买双色球彩票选号（手机怎么买双色球） 最新
- 苏俄牧羊犬多重_苏俄牧羊犬
- 当前快讯:熊安板块股票有哪些(自贡期货配资)
- 大语言模型中的涌现现象是不是伪科学？