斯坦福大學(xué)研究人員開發(fā)了一種控制自動駕駛汽車的新方法，該方法融合了以往的駕駛經(jīng)驗——這一系統(tǒng)將幫助汽車在極端和未知環(huán)境下更安全地行駛。該系統(tǒng)使用斯坦福大學(xué)自主品牌大眾GTI Niki和斯坦福大學(xué)自主品牌奧迪TTS在賽道上進行了摩擦極限測試，性能與現(xiàn)有的自主控制系統(tǒng)和經(jīng)驗豐富的賽車手相當。斯坦福大學(xué)機械工程研究生內(nèi)森·斯皮爾伯格(Nathan Spielberg)是這項研究的主要作者，于2019年3月27日發(fā)表在《科學(xué)機器人》(Science Robotics)上，研究人員希望算法能和最熟練的司機一樣好，甚至能更好。

博科園-科學(xué)科普：雖然目前自動駕駛汽車可能依賴于對環(huán)境的實時評估，但這些研究人員設(shè)計的控制系統(tǒng)整合了近期機動和過去駕駛經(jīng)驗的數(shù)據(jù)，包括尼基在北極圈附近一條結(jié)冰測試軌道上的行駛。鑒于研究人員在開發(fā)這些汽車的過程中產(chǎn)生了大量自動駕駛汽車數(shù)據(jù)，從過去學(xué)習(xí)的能力可能被證明特別強大。自動駕駛汽車的控制系統(tǒng)需要獲得可用的道路-輪胎摩擦信息。這些信息決定了汽車在緊急情況下剎車、加速和轉(zhuǎn)向的極限，以便在道路上行駛。如果工程師們想把自動駕駛汽車安全推向極限，比如讓它計劃在冰上進行緊急操作，必須提前向它提供道路輪胎摩擦等細節(jié)。

這在真實世界中是困難的，因為摩擦力是可變的，而且通常很難預(yù)測。為了開發(fā)一個更靈活、反應(yīng)更靈敏的控制系統(tǒng)，研究人員建立了一個神經(jīng)網(wǎng)絡(luò)（一種人工智能計算系統(tǒng)）集成了過去在加利福尼亞州柳樹鎮(zhèn)雷山賽車場駕駛經(jīng)驗的數(shù)據(jù)，以及一個冬季測試設(shè)施，其中包含了200000條基于物理軌跡提供的基礎(chǔ)知識。機械工程教授、論文的高級作者j·克里斯蒂安·格德斯(J. Christian Gerdes)說：有了今天可用的技術(shù)，常常不得不在數(shù)據(jù)驅(qū)動的方法和基于基礎(chǔ)物理的方法之間做出選擇。

研認為，未來的道路是融合這些方法，以利用它們各自的優(yōu)勢。物理學(xué)可以為構(gòu)造和驗證神經(jīng)網(wǎng)絡(luò)模型提供洞見，而神經(jīng)網(wǎng)絡(luò)模型反過來又可以利用大量數(shù)據(jù)?！?、該小組在雷山賽道對新系統(tǒng)進行了對比測試。首先，雪萊在以物理為基礎(chǔ)的自主系統(tǒng)控制下四處加速，預(yù)先加載了課程和條件的集合信息。當在同一賽道上連續(xù)10次試車進行比較時，雪萊和一名熟練業(yè)余車手的圈數(shù)相當。然后，研究人員將新神經(jīng)網(wǎng)絡(luò)系統(tǒng)裝入Niki。盡管神經(jīng)網(wǎng)絡(luò)缺乏關(guān)于道路摩擦的明確信息，但這輛車在運行學(xué)習(xí)系統(tǒng)和基于物理的系統(tǒng)時表現(xiàn)相似。

在模擬測試中，神經(jīng)網(wǎng)絡(luò)系統(tǒng)在高摩擦和低摩擦兩種情況下都優(yōu)于基于物理的系統(tǒng)。在混合了這兩種情況的情況下，它表現(xiàn)得特別好。研究結(jié)果令人鼓舞，但研究人員強調(diào)，神經(jīng)網(wǎng)絡(luò)系統(tǒng)在經(jīng)歷過的外部環(huán)境下表現(xiàn)不佳，但隨著自動駕駛汽車產(chǎn)生更多的數(shù)據(jù)來訓(xùn)練神經(jīng)網(wǎng)絡(luò)，這些汽車應(yīng)該能夠處理更廣泛的條件。斯皮爾伯格說：有這么多自動駕駛汽車在路上行駛和開發(fā)中，各種駕駛場景產(chǎn)生了大量的數(shù)據(jù)，我們想建立一個神經(jīng)網(wǎng)絡(luò)，因為應(yīng)該有辦法利用這些數(shù)據(jù)。如果能開發(fā)出互動次數(shù)比我們多數(shù)千倍的交通工具，將有望讓自動駕駛更安全。

博科園-科學(xué)科普｜研究/來自: 斯坦福大學(xué)

參考期刊文獻:《Science Robotics》

DOI: 10.1126/scirobotics.aaw1975

博科園-傳遞宇宙科學(xué)之美