蓋世汽車訊 據(jù)外媒報道，慕尼黑工業(yè)大學(xué)（TUM）的研究人員開發(fā)出全新車輛預(yù)警系統(tǒng)。該系統(tǒng)利用人工智能學(xué)習(xí)了上千種實際交通場景。研究結(jié)果顯示，該系統(tǒng)應(yīng)用于自動駕駛汽車時，可發(fā)現(xiàn)汽車自身無法檢測到的潛在危險情況，并提前7秒向汽車發(fā)出警報，精確度超過85%。寶馬集團(tuán)也參與了此次項目的研究。

（圖片來源：慕尼黑工業(yè)大學(xué)）

為了確保未來自動駕駛汽車的安全性，開發(fā)工作多使用復(fù)雜的模型，從而使汽車可以分析所有交通參與者的行為。但如果模型無法處理復(fù)雜或無法預(yù)料的情況，會發(fā)生什么呢？

TUM慕尼黑機(jī)器人與機(jī)器智能學(xué)院（MSRM）的董事會成員、媒體技術(shù)主席Eckehard Steinbach教授及其團(tuán)隊在這一領(lǐng)域取得了突破進(jìn)展。在過去的場景中，自動駕駛測試車輛在真實路況中進(jìn)行了極限測試，但通常車輛會有人類駕駛員接管，可能是汽車發(fā)出了干預(yù)求助信號，也可能是駕駛員出于安全考慮主動干預(yù)。得益于人工智能，該系統(tǒng)可學(xué)習(xí)這些過去的場景。

該技術(shù)使用傳感器和攝像頭捕獲周圍狀況并記錄車輛的狀態(tài)數(shù)據(jù)，例如方向盤角度、道路狀況、天氣、能見度和速度?；谘h(huán)神經(jīng)網(wǎng)絡(luò)（RNN）的AI系統(tǒng)會學(xué)習(xí)使用數(shù)據(jù)識別模式。如果該系統(tǒng)在新的駕駛場景中發(fā)現(xiàn)某種模式，且過去的控制系統(tǒng)在這種場景下無法進(jìn)行處理，則會向駕駛員提前發(fā)出有關(guān)可能危險狀況的警報。

Steinbach表示：“為了使汽車更加自動化，許多現(xiàn)有方法研究了車輛目前對交通的理解，并試圖改善其使用的模型。新系統(tǒng)的最大優(yōu)勢是完全忽視了汽車的想法。相反，我們基于真實發(fā)生事件的數(shù)據(jù)開發(fā)新模式，從而使人工智能發(fā)現(xiàn)模式無法識別或尚未發(fā)現(xiàn)的潛在危險情況。因此，該系統(tǒng)可提供一種安全功能，發(fā)現(xiàn)車輛在何時何地存在隱患。

研究團(tuán)隊與寶馬集團(tuán)在高速公路上對采用該技術(shù)的自動駕駛車輛進(jìn)行了測試，并分析了約2500種駕駛員必須干預(yù)的情況。研究表明，人工智能可最多于7秒前預(yù)測潛在的危險情況，且精確度超過85%。該技術(shù)應(yīng)用需要大量數(shù)據(jù)的支持，因為如果場景曾經(jīng)出現(xiàn)過，則人工智能只能局限于系統(tǒng)進(jìn)行識別和預(yù)測。該研究成員之一Christopher Kuhn表示：“隨著越來越多的自動駕駛車輛上路，數(shù)據(jù)實際會由自己生成。每次的潛在危險情況測試都會帶來新的訓(xùn)練示例。”中央數(shù)據(jù)存儲可幫助車輛從整個車隊的記錄數(shù)據(jù)進(jìn)行學(xué)習(xí)。

返回第一電動網(wǎng)首頁 >