蓋世汽車訊 自動駕駛汽車（AV）是未來交通的重要組成部分，然而與安全測試相關的成本和時間阻礙了對真正自動駕駛汽車的推動。據外媒報道，密歇根大學開發的新系統表明，人工智能可以将所需的測試裏程減少 99.99%。
圖片來源：密歇根大學
憑借該系統，汽車制造商可能能夠更快地驗證自動駕駛汽車技術是否可以挽救生命并減少撞車事故。在仿真環境中，由人工智能訓練的車輛執行危險的操作，迫使 AV 做出決策，而這些決策駕駛員通常很少遇到，但能夠更好地訓練車輛。而真實世界的測試車輛要反複遇到這種情況進行數據收集，需要行駛數億至數千億英裏。
密歇根大學土木工程教授、Mcity 和互聯和自動化交通（Connected and Automated Transportation）中心主任 Henry Liu 表示：" 安全關鍵事件——事故或未遂事故——在現實世界中非常罕見，而且自動駕駛汽車通常很難處理這些事件。"
密歇根大學的研究人員将這個問題稱爲 " 罕見的詛咒 "，他們通過從包含罕見的安全關鍵事件的真實交通數據中學習來解決這個問題。在模拟城市和高速公路駕駛的測試跑道上進行的測試表明，經過 AI 訓練的虛拟車輛可以将測試過程加快數千倍。
Liu 表示：" 我們使用的 AV 測試車輛是真實的，但我們創建了一個混合現實測試環境。背景車輛是虛拟的，這使我們能夠訓練它們創建在路上很少發生的具有挑戰性的場景。"
密歇根大學的團隊使用一種方法來訓練背景車輛，該方法從仿真中使用的駕駛數據中去除非安全關鍵信息。基本上，它消除了其他駕駛員和行人負責任的、預期内的行爲，但保留了需要采取行動的危險時刻，例如另一個駕駛員闖紅燈。
通過僅使用安全關鍵數據來訓練做出機動決策的神經網絡，測試車輛可以在更短的時間内遇到更多這些罕見事件，從而降低測試成本。
清華大學自動化系助理教授、密歇根大學交通研究所前助理研究員 Shuo Feng 表示：" 密集強化學習将釋放人工智能的潛力，用于驗證自動駕駛汽車、醫療機器人和航空航天系統等安全關鍵型自主系統的智能。它還通過利用基于 AI 的測試代理打開了加速安全關鍵自動駕駛系統培訓的大門，從而使測試和培訓之間建立共生關系，進而加速這兩個領域的發展。"
測試是在美國安阿伯市（Ann Arbor）的 Mcity 城市環境以及伊普西蘭蒂（Ypsilanti）美國交通中心（American Center for Mobility）的高速公路測試跑道上進行的。
支持 Mcity 仿真的真實世界數據集是從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備。每個十字路口都裝有隐私保護傳感器，以捕捉和分類每個道路使用者，識别其速度和方向。
