智能網(wǎng)聯(lián)汽車方興未艾，人工智能與自動駕駛技術演進快速發(fā)展，而其中的安全始終是備受矚目的焦點。

“我們開展的研究，就是利用人工智能去實現(xiàn)自學習，從而持續(xù)推進自動駕駛技術的演進，不斷提升自動駕駛系統(tǒng)的安全性和智能性。”9月25日，在中國汽車工程學會組織的主題線上采訪中，同濟大學汽車學院教授、博士生導師、"協(xié)同創(chuàng)新?探索未來的車輛與交通”國際青年科學家沙龍——人工智能與自動駕駛論壇主席黃巖軍向《中國汽車報》記者分析了自動駕駛發(fā)展現(xiàn)狀，并介紹了運用人工智能技術提升自動駕駛性能的研究進展。

技術演進決定安全

近年來，國外自動駕駛車輛路測中多次出現(xiàn)事故。而且，據(jù)央視報道，當?shù)貢r間9月14日，特斯拉在美國遭遇集體訴訟，訴由是特斯拉對自動駕駛進行虛假宣傳，安全性有問題。據(jù)美國國家公路交通安全管理局(NHTSA)公布的數(shù)據(jù)，在涉及駕駛輔助技術的事故中，有70%涉及特斯拉的智能電動汽車。

對于這類現(xiàn)象，黃巖軍從三個方面進行了分析。

首先，自動駕駛及駕駛輔助技術目前還是新生事物，從技術發(fā)展層面看，至今相關技術尚未完善，此類事故的發(fā)生難以完全避免。很多這類事故的原因，是由于車輛感知層、決策和駕駛員的操作不當所致。以感知為例，當前車上不同的傳感器均各有優(yōu)缺點，如迎面有強光情況下，視覺傳感器會出現(xiàn)眩光，從而對前方物體難以準確識別，這是傳感器本質屬性決定的。

其次，部分消費者對當前的自動駕駛系統(tǒng)有過高的估計，而這來自車企對車輛相關功能的宣傳上邊界及定義不清晰，導致部分消費者的誤解。如特斯拉稱其自動駕駛達到L3級水平，但車輛仍然不能完全脫離駕駛員的監(jiān)管。因此，一定不能對其高度依賴。

再者，當前階段的技術演進，決定了自動駕駛系統(tǒng)還不能實現(xiàn)100%的安全，也不能用理論來證明其100%安全。根據(jù)墨菲定律，任何小概率事件都可能發(fā)生。因此，在復雜的開放環(huán)境下，既然證明不了100%安全，就有可能發(fā)生事故。

人工智能是研究重點

與人類駕駛員相比，自動駕駛車輛更多依靠的是感知系統(tǒng)和人工智能學習等技術進步。

“對于人類駕駛員中的新手，可能出現(xiàn)事故的概率會比較高，隨著其駕駛技能的提高，對各種場景有了一定的把握能力和控制能力，慢慢就會降低事故概率，但事實上還是做不到完全避免事故，而自動駕駛的學習過程也一樣。”黃巖軍談到，在目前的研究中，重點研究的就是如何實現(xiàn)復雜環(huán)境下自動駕駛的安全及進化技術，即充分利用人工智能自進化學習，使自動駕駛系統(tǒng)實現(xiàn)算法自學習能力的自我提升。

開放道路下的場景幾乎是無窮的，而且處于復雜多變的動態(tài)中，傳統(tǒng)車輛是如何保證安全，降低事故發(fā)生概率的呢?黃巖軍解釋，人類駕駛員要開車，首先要考取駕照，對考試科目中典型的、常見的場景有了一定的熟悉能力并考過之后才發(fā)駕照。而汽車自誕生以來也不斷發(fā)生各種各樣的安全事故，車輛的控制性能也在逐漸完善，至今實現(xiàn)了較高水準的安全性。

“其中最根本的原因，是我們人類有智能和自學習能力，在與外界交互的過程中有學習能力，還有舉一反三的能力，有駕駛考試典型場景下的駕駛經驗，就能舉一反三推廣到適應外界的某些場景，去處理新的場景，也會去適應之前沒有見過的場景，隨著時間推移，會從新手變成經驗豐富的老司機。”黃巖軍表示，類似于這個過程，現(xiàn)在的自動駕駛系統(tǒng)或輔助駕駛系統(tǒng)，是在一些規(guī)定或設計的場景下去實現(xiàn)運行設計域(ODD，指的是自動駕駛系統(tǒng)功能設定的運行條件)，由此可以保證安全性等各種性能。對于高級別自動駕駛系統(tǒng)，只要在標準規(guī)定的典型場景及設計場景下能安全運行，通過自學習能力實現(xiàn)日常的安全駕駛，是當前自動駕駛系統(tǒng)量產的可行路線，而不可能在量產車輛投入市場前，把外界無限的各種工況都測試一遍，這樣做是不可能的。

對此，黃巖軍認為，所以自動駕駛系統(tǒng)與人類駕駛員一樣，要在設計域及典型工況下有覆蓋多種場景的能力，要具備像人一樣有自學習的能力，還要在學習新場景的同時也不能忘記如何處理之前學過的場景，這也是當前人工智能領域的難點之一。因此，一定要保證自動駕駛系統(tǒng)有持續(xù)自進化學習能力。

自學習能力至關重要

近年來，自學習進化能力的自動駕駛系統(tǒng)已經成為行業(yè)研究的前沿，而這也正是黃巖軍的重點研究領域。

在黃巖軍看來，自學習進化能力包括兩個方面。一方面是單車性能的發(fā)育和多車協(xié)同的進化，利用的是知識和數(shù)據(jù)混合增強的相關技術;另一方面是閉環(huán)學習的技術。用知識和數(shù)據(jù)混合增強的方法或技術來保證設計的自動駕駛算法具有自學習能力，用閉環(huán)學習的方法來保證算法去學會學習的能力，即“學會”選擇性地學習，找準學習目標，再進行進化學習。

黃巖軍解釋，其中涉及的人工智能技術有優(yōu)點也有缺點，其“黑箱”特性體現(xiàn)為可解釋性差、語義鴻溝等，都是當前人工智能亟待突破的問題，也是研究前沿問題。需要研究的就是用知識和數(shù)據(jù)發(fā)揮其優(yōu)點，彌補其缺點，做到“1+1>2”，來讓自動駕駛系統(tǒng)實現(xiàn)具備自學習進化能力。

從研究目標看，黃巖軍說，這些研究從增強安全、增強智能、增強認知、增強可信四個部分助力高級別自動駕駛產業(yè)化落地。“目前我們的研究團隊圍繞自動駕駛預測決策規(guī)劃控制、混合增強智能自動駕駛系統(tǒng)、車路一體化系統(tǒng)和可解釋的自動駕駛系統(tǒng)開展了相關研究，承擔了國家重要項目并發(fā)表了一系列高水平論文。”黃巖軍表示。

調研發(fā)現(xiàn)，近60%的人對自動駕駛這種新生事物仍不接受。“我們的研究意義在于，一方面是轉變人的觀念，提高人對自動駕駛車輛的可接受度，在這方面樹立既要接受又要理性接受、特別是現(xiàn)階段不能過度依賴自動駕駛系統(tǒng);另一方面是用先進的技術不斷提升自動駕駛的安全性最為重要。”黃巖軍表示。

關鍵詞： 人工智能 自動駕駛性能 公路交通安全 智能電動汽車