【科技前沿】

　　光明日報北京4月11日電（記者 鄧暉 通訊員田姬熔、常瀟予）飛速發展的自動駕駛技術讓汽車邁入“無人之境”的夢想不再遙不可及，但要想真正實現自動駕駛汽車的大規模商業(ye) 化落地，安全測試驗證成為(wei) 行業(ye) 進一步發展的重中之重。自動駕駛汽車到底是“新手上路”，還是車技穩如“老司機”？近日，清華大學自動化係智能交通研究團隊助理教授封碩與(yu) 美國密西根大學Mcity主任劉向宏等科研人員合作研發出一套全新的安全測試係統，為(wei) “AI司機”量身定製出一套“駕考試題”。日前，該項研究成果以《基於(yu) 密集強化學習(xi) 的自動駕駛汽車安全性測試》為(wei) 題發表於(yu) 《自然》正刊，並登上當期封麵。

　　隨著自動駕駛技術的發展，當駕駛水平越來越接近人類駕駛員，自動駕駛汽車的安全性能測試變得愈發重要，但同時也更難以開展。封碩告訴記者：“目前業(ye) 內(nei) 對此已初步達成了研究共識：亟須解決(jue) ‘百億(yi) 公裏’難題。”

　　什麽(me) 是“百億(yi) 公裏”難題？

　　研究人員介紹，在自動駕駛汽車投入大規模應用前，需要開展大規模的道路測試，從(cong) 統計學上驗證自動駕駛汽車的安全性。據估算，這個(ge) 測試規模至少要達到百億(yi) 公裏。從(cong) 時間、資源與(yu) 成本上來看，在實際道路上進行測試顯然難以實現。這便是當前自動駕駛技術發展所麵臨(lin) 的最棘手問題之一。

　　“我們(men) 所做的就是希望能夠加速這個(ge) 過程，用盡可能少的測試裏程等價(jia) 代替這百億(yi) 公裏的實地測試。”封碩表示。

　　如何以最小的成本、最高效地找出自動駕駛汽車的安全問題？封碩帶領團隊從(cong) 統計學的視角尋找研究切入點。

　　經驗豐(feng) 富的司機在開車時遇到突發狀況，會(hui) 結合道路情況、附近車輛的反饋，憑借直覺判斷並迅速作出反應，那麽(me) 同樣的情況擺在人工智能麵前，它該如何作出決(jue) 策？

　　“這本質上是一個(ge) 超高維空間小概率事件的期望估計問題。”封碩解釋道，“人機交互的複雜性與(yu) 道路交通狀態的複雜性決(jue) 定了自動駕駛汽車需要處理超高維空間內(nei) 發生的各種情況，這是我們(men) 麵對的‘維度災難’。而在測試中為(wei) 了驗證安全性，我們(men) 需要自動駕駛汽車學會(hui) 處理各種危險狀況下的交通事件，由於(yu) 危險狀況往往是小概率事件，所以我們(men) 還會(hui) 麵臨(lin) ‘稀疏度災難’。”

　　將實際問題從(cong) 統計學的視角轉化為(wei) 學術問題後，封碩和團隊成員從(cong) 理論層麵尋求突破，創造性地提出了密集強化學習(xi) 方法，通過識別和刪除非安全關(guan) 鍵狀態、連接安全關(guan) 鍵狀態，並在編輯後的馬爾科夫過程中訓練神經網絡，解決(jue) 了“稀疏度災難”。同時利用密集強化學習(xi) 方法訓練交通環境中的背景車輛，構建出一個(ge) 由自動駕駛汽車和背景車輛組成的智能測試環境，從(cong) 而實現了模擬環境替代實際道路環境。

　　“通俗來講，我們(men) 的智能測試係統將自動駕駛汽車周圍的背景車輛模擬成為(wei) 一個(ge) 個(ge) 智能體(ti) ，大家有著不同的駕駛目的：自動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駕駛汽車發現安全問題。這樣我們(men) 就可以通過改變背景車輛的行為(wei) 來實現對自動駕駛汽車安全性能的測試，讓測試裏程大幅減少，讓測試過程變得更高效。”封碩形象地將這一過程比喻成為(wei) “AI司機”尋找“陪練”。

　　為(wei) 了讓“陪練”更精準有效地提供幫助，研究團隊收集了海量人類駕駛數據，對“陪練”進行擬人化訓練，從(cong) 而確保測試環境更加貼合人類駕駛環境。同時還通過技術手段增加“陪練”司機的“危險係數”，讓它們(men) 在行駛過程中表現出更強的侵略性與(yu) 對抗性，從(cong) 而增加測試環境的挑戰性。

　　基於(yu) 增強現實測試平台，研究團隊將經過反複理論推演的研究思路在美國密西根大學Mcity和美國交通中心的測試場中付諸實踐，對L4級自動駕駛汽車開展安全性測試。結果表明，這種方法不但可以有效學習(xi) 生成智能測試環境，並且與(yu) 直接在自然駕駛環境中測試自動駕駛汽車相比，智能測試環境可以加快評估過程多個(ge) 數量級。這意味著，實驗中每一公裏的測試，近似等價(jia) 於(yu) 實際道路測試中一千到一萬(wan) 公裏的結果，極大加速了安全測試流程。

　　“我們(men) 這套方法為(wei) ‘AI驗證AI’這種研究思路提供了一個(ge) 可供借鑒的具體(ti) 案例。”封碩對於(yu) 當前的研究還有更長遠的構想，“這套方法未來有潛力拓展到更廣泛的領域，這也是我們(men) 未來的研究方向。同時，這項研究成果未來更有潛力為(wei) 下一步自動駕駛技術的研發進行方向性的引鑒和指導：通過測試找到問題，對症下藥地開展優(you) 化安全設置和性能的研究，就能間接地推動自動駕駛安全性的有效提升。”