密歇根大学开发新系统 大大缩减自动驾驶汽车测试时间和成本

盖世汽车讯 自动驾驶汽车（AV）是未来交通的重要组成部分，然而与安全测试相关的成本和时间阻碍了对真正自动驾驶汽车的推动。据外媒报道，密歇根大学开发的新系统表明，人工智能可以将所需的测试里程减少 99.99%。

图片来源：密歇根大学

凭借该系统，汽车制造商可能能够更快地验证自动驾驶汽车技术是否可以挽救生命并减少撞车事故。在仿真环境中，由人工智能训练的车辆执行危险的操作，迫使 AV 做出决策，而这些决策驾驶员通常很少遇到，但能够更好地训练车辆。而真实世界的测试车辆要反复遇到这种情况进行数据收集，需要行驶数亿至数千亿英里。

密歇根大学土木工程教授、Mcity 和互联和自动化交通（Connected and Automated Transportation）中心主任 Henry Liu 表示：" 安全关键事件——事故或未遂事故——在现实世界中非常罕见，而且自动驾驶汽车通常很难处理这些事件。"

密歇根大学的研究人员将这个问题称为 " 罕见的诅咒 "，他们通过从包含罕见的安全关键事件的真实交通数据中学习来解决这个问题。在模拟城市和高速公路驾驶的测试跑道上进行的测试表明，经过 AI 训练的虚拟车辆可以将测试过程加快数千倍。

Liu 表示：" 我们使用的 AV 测试车辆是真实的，但我们创建了一个混合现实测试环境。背景车辆是虚拟的，这使我们能够训练它们创建在路上很少发生的具有挑战性的场景。"

密歇根大学的团队使用一种方法来训练背景车辆，该方法从仿真中使用的驾驶数据中去除非安全关键信息。基本上，它消除了其他驾驶员和行人负责任的、预期内的行为，但保留了需要采取行动的危险时刻，例如另一个驾驶员闯红灯。

通过仅使用安全关键数据来训练做出机动决策的神经网络，测试车辆可以在更短的时间内遇到更多这些罕见事件，从而降低测试成本。

清华大学自动化系助理教授、密歇根大学交通研究所前助理研究员 Shuo Feng 表示：" 密集强化学习将释放人工智能的潜力，用于验证自动驾驶汽车、医疗机器人和航空航天系统等安全关键型自主系统的智能。它还通过利用基于 AI 的测试代理打开了加速安全关键自动驾驶系统培训的大门，从而使测试和培训之间建立共生关系，进而加速这两个领域的发展。"

测试是在美国安阿伯市（Ann Arbor）的 Mcity 城市环境以及伊普西兰蒂（Ypsilanti）美国交通中心（American Center for Mobility）的高速公路测试跑道上进行的。

支持 Mcity 仿真的真实世界数据集是从安阿伯市和底特律的智能十字路口收集的，更多的十字路口有待配备。每个十字路口都装有隐私保护传感器，以捕捉和分类每个道路使用者，识别其速度和方向。