AI司机若何拿驾照清华团队量身打造出考题

随着自动驾驶技能的发展，当驾驶水平越来越靠近人类驾驶员，无人驾驶汽车的安全性能测试变得愈发主要，但同时也更难以开展。
封硕表示：“目前业内对此已初步达成了研究共识：亟需办理‘百亿公里’难题。
”

什么是“百亿公里”难题？在自动驾驶汽车投入大规模运用前，须要开展大规模的道路测试，从统计学上验证自动驾驶汽车的安全性。
据估算，这个测试规模至少要达到百亿公里。
从韶光、资源与本钱上来看，在实际道路上进行测试显然难以实现。
这便是当前自动驾驶技能发展所面临的最棘手的问题之一。

“我们所做的便是希望能够加速这个过程，用尽可能少的测试里程等价地去代替这百亿公里的实地测试。
”封硕表示。

如何以最小的本钱、最高效地找出自动驾驶汽车的安全问题？封硕带领团队从统计学的视角探求研究切入点。

履历丰富的司机在开车时碰着突发状况，会结合道路情形、附近车辆的反馈，凭借直觉判断并迅速作出反应，那么同样的情形摆在人工智能面前，它该如何作出决策？

“这实质上是一个超高维空间小概率事宜的期望估计问题。
”封硕阐明道，“人机交互的繁芜性与道路交通状态的繁芜性决定了自动驾驶汽车须要处理超高维空间内发生的各种情形，这是我们面对的‘维度灾害’。
而在测试中为了验证安全性，我们须要自动驾驶汽车能够学会处理各种危险状况下的交通事宜，由于危险状况每每是小概率事宜，以是我们还会面临‘稀疏度灾害’。
”

密集学习方法通过删除非关键状态、连接关键状态来编辑马尔可夫过程，再通过编辑后的马尔可夫过程演习神经网络。

将实际问题从统计学的视角转化为学术问题后，封硕和团队成员从理论层面寻求打破，创造性地提出了密集强化学习方法（Dense Deep Reinforcement Learning，D2RL），通过识别和删除非安全关键状态、连接安全关键状态，并在编辑后的马尔科夫过程中演习神经网络，办理了“稀疏度灾害”。
同时利用密集强化学习方法演习交通环境中的背景车辆，构建出一个由自动驾驶汽车和背景车辆组成的智能测试环境，从而实现了仿照环境替代实际道路环境。

“普通来讲，我们的智能测试系统将自动驾驶汽车周围的背景车辆仿照成为一个个智能体，大家有着不同的驾驶目的：自动驾驶汽车希望更安全地行驶，背景车辆希望更好地帮助自动驾驶汽车创造安全问题。
这样我们就可以通过改变背景车辆的行为来实现对自动驾驶汽车安全性能的测试，让测试里程大幅减少，让测试过程变得更高效。
”封硕形象地将这一过程比喻为“AI司机”探求“陪练”。

为了让“陪练”更精准有效地供应帮助，研究团队网络到海量人类驾驶数据对“陪练”进行拟人化演习，从而确保测试环境更加贴合人类驾驶环境。
同时还通过技能手段增加“陪练”司机的“危险系数”，让它们在行驶过程中表现出更强的侵略性与对抗性，从而增加测试环境的寻衅性。

基于增强现实测试平台，研究团队将经由反复理论推演的研究思路在美国密西根大学Mcity和美国交通中央的测试场中付诸实践，对L4级自动驾驶汽车开展安全性测试。
结果表明，这种方法不但可以有效学习天生智能测试环境，并且与直接在自然驾驶环境中测试自动驾驶汽车比较，智能测试环境可以加快评估过程多个数量级（约10^{3-105）。
这意味着，实验中每1公里的测试，近似等价于实际道路测试中1千到1万公里的结果，这就极大地加速了安全测试流程。}

“我们这套方法为‘AI验证AI’这种研究思路供应了一个可供借鉴的详细案例，”封硕对付当前的研究还有更长远的构想，“这套方法未来有潜力拓展到更广泛的领域，这也是我们未来的研究方向。
”

在航空航天、医疗等对安全性哀求极高的人工智能运用领域，这套方法为安全关键系统（Safety-Critical System）的研发打开了一扇新的大门。

五年前，封硕就将目光聚焦于自动驾驶智能系统的安全测试验证问题。
“没什么特殊的缘故原由，更多的是一种直觉。
”

彼时的学术界还没有太多人关注这个问题，“安全测试验证本身从传统意义上，更多人会理解为是一个履历导向的‘工程问题’而非‘学术问题’。
”但在封硕看来，自动驾驶汽车可能是未来智能系统发展过程中最主要的元素，而无人驾驶核心问题就在于安全问题。
“对付一个别系而言，可知才能可控、可优化，以是理解系统的安全性能到底是若何的至关主要。
”

明确方向后，封硕与团队成员从安全测试验证的角度切入，在自动驾驶领域开展了为期五年的研讨与摸索。
五年间，随着人工智能突飞年夜进的发展，随着自动驾驶技能不断成熟，安全测试问题的主要性日益凸显，他所专注的领域也受到越来越多的关注。

身边的同行者越来越多，让封硕看到了更广阔的发展前景。
“虽然我们团队有一定的先发积累，但这个领域仍处于快速上升期间，大家从不同的角度开展着各有侧重的研究。
”

封硕表示，这项研究成果未来更有潜力为下一步自动驾驶技能的研发进行方向性的引鉴和辅导：通过测试找到问题，对症下药地开展优化安全设置和性能的研究，就能间接地推动自动驾驶安全性的有效提升。

研究结果一经揭橥，不但在学术界引起波澜，更引发家当界的热烈谈论与关注。

“目前的研究还紧张是理论与方法层面，工业生产上的运用视情形可能还须要进一步的磨合与开拓。
”封硕说。
但“从书架走向货架”、从学术界走向工业界，一贯都是封硕和团队从事科学研究的目标和追求。

孙昊葳、严鑫涛、朱昊杰、邹征夏、沈晟印，这项研究成果的背后是一支纯华人团队，大量成员从清华园走出，包括2019年毕业于自动化系的封硕，1988年毕业于汽车工程系的刘向宏。

这也是一支有着复合能量的学科交叉团队，有着自动化系、车辆学院平分歧学科背景的团队成员，在研究中利用统计学、车辆工程、交通工程、人工智能等多个学科知识，让不同的知识体系、思维办法相互碰撞、交融贯通，终极剑指前沿产出世界一流的研究成果。

“探索未知、办理问题的过程是令人愉快的，尤其能对社会产生影响，贡献力所能及的代价。
”封硕提起科研总是神采奕奕，“尤其是最近人工智能技能的快速发展，这可能会给自动驾驶的打破带来一些新的契机。
”对付他和团队而言，他们的研究之路才刚刚开始。

论文链接：

https://www.nature.com/articles/s41586-023-05732-2