【科技前沿】

　　光明日?qǐng)?bào)北京4月11日電（記者 鄧暉 通訊員田姬熔、常瀟予）飛速發(fā)展的自動(dòng)駕駛技術(shù)讓汽車邁入“無(wú)人之境”的夢(mèng)想不再遙不可及，但要想真正實(shí)現(xiàn)自動(dòng)駕駛汽車的大規(guī)模商業(yè)化落地，安全測(cè)試驗(yàn)證成為行業(yè)進(jìn)一步發(fā)展的重中之重。自動(dòng)駕駛汽車到底是“新手上路”，還是車技穩(wěn)如“老司機(jī)”？近日，清華大學(xué)自動(dòng)化系智能交通研究團(tuán)隊(duì)助理教授封碩與美國(guó)密西根大學(xué)Mcity主任劉向宏等科研人員合作研發(fā)出一套全新的安全測(cè)試系統(tǒng)，為“AI司機(jī)”量身定制出一套“駕考試題”。日前，該項(xiàng)研究成果以《基于密集強(qiáng)化學(xué)習(xí)的自動(dòng)駕駛汽車安全性測(cè)試》為題發(fā)表于《自然》正刊，并登上當(dāng)期封面。

　　隨著自動(dòng)駕駛技術(shù)的發(fā)展，當(dāng)駕駛水平越來越接近人類駕駛員，自動(dòng)駕駛汽車的安全性能測(cè)試變得愈發(fā)重要，但同時(shí)也更難以開展。封碩告訴記者：“目前業(yè)內(nèi)對(duì)此已初步達(dá)成了研究共識(shí)：亟須解決‘百億公里’難題?！?/p>

　　什么是“百億公里”難題？

　　研究人員介紹，在自動(dòng)駕駛汽車投入大規(guī)模應(yīng)用前，需要開展大規(guī)模的道路測(cè)試，從統(tǒng)計(jì)學(xué)上驗(yàn)證自動(dòng)駕駛汽車的安全性。據(jù)估算，這個(gè)測(cè)試規(guī)模至少要達(dá)到百億公里。從時(shí)間、資源與成本上來看，在實(shí)際道路上進(jìn)行測(cè)試顯然難以實(shí)現(xiàn)。這便是當(dāng)前自動(dòng)駕駛技術(shù)發(fā)展所面臨的最棘手問題之一。

　　“我們所做的就是希望能夠加速這個(gè)過程，用盡可能少的測(cè)試?yán)锍痰葍r(jià)代替這百億公里的實(shí)地測(cè)試?！狈獯T表示。

　　如何以最小的成本、最高效地找出自動(dòng)駕駛汽車的安全問題？封碩帶領(lǐng)團(tuán)隊(duì)從統(tǒng)計(jì)學(xué)的視角尋找研究切入點(diǎn)。

　　經(jīng)驗(yàn)豐富的司機(jī)在開車時(shí)遇到突發(fā)狀況，會(huì)結(jié)合道路情況、附近車輛的反饋，憑借直覺判斷并迅速作出反應(yīng)，那么同樣的情況擺在人工智能面前，它該如何作出決策？

　　“這本質(zhì)上是一個(gè)超高維空間小概率事件的期望估計(jì)問題?！狈獯T解釋道，“人機(jī)交互的復(fù)雜性與道路交通狀態(tài)的復(fù)雜性決定了自動(dòng)駕駛汽車需要處理超高維空間內(nèi)發(fā)生的各種情況，這是我們面對(duì)的‘維度災(zāi)難’。而在測(cè)試中為了驗(yàn)證安全性，我們需要自動(dòng)駕駛汽車學(xué)會(huì)處理各種危險(xiǎn)狀況下的交通事件，由于危險(xiǎn)狀況往往是小概率事件，所以我們還會(huì)面臨‘稀疏度災(zāi)難’?！?/p>

　　將實(shí)際問題從統(tǒng)計(jì)學(xué)的視角轉(zhuǎn)化為學(xué)術(shù)問題后，封碩和團(tuán)隊(duì)成員從理論層面尋求突破，創(chuàng)造性地提出了密集強(qiáng)化學(xué)習(xí)方法，通過識(shí)別和刪除非安全關(guān)鍵狀態(tài)、連接安全關(guān)鍵狀態(tài)，并在編輯后的馬爾科夫過程中訓(xùn)練神經(jīng)網(wǎng)絡(luò)，解決了“稀疏度災(zāi)難”。同時(shí)利用密集強(qiáng)化學(xué)習(xí)方法訓(xùn)練交通環(huán)境中的背景車輛，構(gòu)建出一個(gè)由自動(dòng)駕駛汽車和背景車輛組成的智能測(cè)試環(huán)境，從而實(shí)現(xiàn)了模擬環(huán)境替代實(shí)際道路環(huán)境。

　　“通俗來講，我們的智能測(cè)試系統(tǒng)將自動(dòng)駕駛汽車周圍的背景車輛模擬成為一個(gè)個(gè)智能體，大家有著不同的駕駛目的：自動(dòng)駕駛汽車希望更安全地行駛，背景車輛希望更好地幫助自動(dòng)駕駛汽車發(fā)現(xiàn)安全問題。這樣我們就可以通過改變背景車輛的行為來實(shí)現(xiàn)對(duì)自動(dòng)駕駛汽車安全性能的測(cè)試，讓測(cè)試?yán)锍檀蠓鶞p少，讓測(cè)試過程變得更高效。”封碩形象地將這一過程比喻成為“AI司機(jī)”尋找“陪練”。

　　為了讓“陪練”更精準(zhǔn)有效地提供幫助，研究團(tuán)隊(duì)收集了海量人類駕駛數(shù)據(jù)，對(duì)“陪練”進(jìn)行擬人化訓(xùn)練，從而確保測(cè)試環(huán)境更加貼合人類駕駛環(huán)境。同時(shí)還通過技術(shù)手段增加“陪練”司機(jī)的“危險(xiǎn)系數(shù)”，讓它們?cè)谛旭傔^程中表現(xiàn)出更強(qiáng)的侵略性與對(duì)抗性，從而增加測(cè)試環(huán)境的挑戰(zhàn)性。

　　基于增強(qiáng)現(xiàn)實(shí)測(cè)試平臺(tái)，研究團(tuán)隊(duì)將經(jīng)過反復(fù)理論推演的研究思路在美國(guó)密西根大學(xué)Mcity和美國(guó)交通中心的測(cè)試場(chǎng)中付諸實(shí)踐，對(duì)L4級(jí)自動(dòng)駕駛汽車開展安全性測(cè)試。結(jié)果表明，這種方法不但可以有效學(xué)習(xí)生成智能測(cè)試環(huán)境，并且與直接在自然駕駛環(huán)境中測(cè)試自動(dòng)駕駛汽車相比，智能測(cè)試環(huán)境可以加快評(píng)估過程多個(gè)數(shù)量級(jí)。這意味著，實(shí)驗(yàn)中每一公里的測(cè)試，近似等價(jià)于實(shí)際道路測(cè)試中一千到一萬(wàn)公里的結(jié)果，極大加速了安全測(cè)試流程。

　　“我們這套方法為‘AI驗(yàn)證AI’這種研究思路提供了一個(gè)可供借鑒的具體案例?！狈獯T對(duì)于當(dāng)前的研究還有更長(zhǎng)遠(yuǎn)的構(gòu)想，“這套方法未來有潛力拓展到更廣泛的領(lǐng)域，這也是我們未來的研究方向。同時(shí)，這項(xiàng)研究成果未來更有潛力為下一步自動(dòng)駕駛技術(shù)的研發(fā)進(jìn)行方向性的引鑒和指導(dǎo)：通過測(cè)試找到問題，對(duì)癥下藥地開展優(yōu)化安全設(shè)置和性能的研究，就能間接地推動(dòng)自動(dòng)駕駛安全性的有效提升?！?/p>