日立通过添加人类智能 使自动驾驶汽车更平稳

今年年初，英国的HumanDrive项目在农村道路和高速公路上总共完成了370公里的自动驾驶，项目参与者包括日产、克兰菲尔德大学、利兹大学、日立欧洲公司等。日立开发了一种软件，可以通过人工智能和机器学习感知外部环境，并在遇到障碍、限制和行人时规划最佳安全路径。日立欧洲首席创新策略师Nick Black表示，HumanDrive旨在创造舒适、自然的无人驾驶体验，而不是许多自动驾驶带来的“无聊机器人”。“我们希望提高乘客的舒适度和可接受性。”为了实现这一目标，该团队将人工智能和人工智能相结合，这意味着使用道路数据，同时还对专业司机进行人工智能系统培训。日立欧洲公司的高级研究员Ioannis Souflas说：“这些数据来自专业的测试司机，将用于训练汽车，让乘客感觉更舒适。然而，挑战也随之而来。”。在危险情况下，很难从专业司机那里获得足够的反应数据，毕竟这是在要求司机将自己置于危险之中。Blake说：如果我们使用人类驾驶数据来训练人工智能模型，我们可以在正常和安全的环境中提供良好的驾驶数据，但当出现问题时，没有太多数据可以提供和提供解决方案。这种类型的训练数据实在太少了。正如Souflas所说，“人工智能左右转弯不能仅仅通过直线驾驶来训练。”为了填补数据空白，需要进行模拟测试。Souflas解释道，“对于专业司机来说，可能不可能获得所有的边缘情况，但可以在机器学习中设置场景，并且可以扩展数据以创建人工边缘情况。”然而，人类和机器学习的驾驶方式本质上是不同的。大多数人可以在青春期学习驾驶，此时他们的视力发育在16岁或18岁时完成。Souflas说，“当时我们已经有了很好的感知能力，所以我们只需要学会控制车辆。”一种解决方案是将人工智能分为四个不同的模块。模块1负责管理感知，并从不同的传感器和输入中提取数据；模块2负责使用提取和定位的数据来理解场景；模块3负责规划路线；

模块4负责控制车辆。有些系统可能会将这四个方面的全部或部分集成到一个方面，但它们将通过人工智能进一步划分。日立可以通过使用不同的模块添加功能来模拟各种驾驶环境和风格，还可以在软件中插入严格的验证和安全检查。Souflas表示，大部分真实数据已经集成到路径规划模块中。布莱克说，人们看待事物的方式大致相同。通过地图，我们可以知道自己在哪里，但这些都是事实，而不是判断。Souflas补充道，“路径规划会根据不同的驾驶员行为而变化，也就是说，因人而异，这是关键。”模块化人工智能受到汽车制造商的广泛欢迎。该项目表明，汽车制造商不喜欢“多面手”人工智能，它就像一个决策不透明的黑匣子系统。如果在试驾过程中出现故障，制造商想知道问题出在哪里，传感器是否无法看到路上的物体，无法识别它是什么，或者无法绕过它，等等。Souflas表示，“因此，制造商在使用不透明技术方面非常保守。”通过拆分每个核心功能，该系统可以更容易地定位故障位置并进行修复。Souflas解释道，“如果存在感知到的问题，系统可以解决它，而无需担心路径规划。”此外，除了能够识别故障外，该系统还将问题的严重性通知车队，问题越接近被操纵的车辆，他还说，“如果计划或控制部分出现问题，它比感知部分更严重，因为它更接近行动部分。”此外，通过以模块化的形式构建人工智能，人工智能可以在其他地方重复使用。对于日立来说，这项开发工作比自动驾驶汽车更为广泛。除了汽车领域，如电动汽车和其他机车，这些感知、理解和行动系统也可以用于自动化生产。例如，尽管工厂和汽车有不同的控制，但传感系统可能是一致的。日立欧洲汽车与工业实验室负责人Massimiliano Lenardi表示，“系统的模块化可以实现多种功能或基础技术的应用。”日立还在其智能空间解决方案中使用了部分这项技术，智能传感器能够跟踪公共区域的人。Blake说，“车辆可以发现道路上的物体，这与图像智能技术相同。在这种情况下，传感器可以将经过火车站的人分开进行跟踪。”然而，Souflas指出，主要区别在于，在汽车中，传感器的处理速度更快。模块化人工智能意味着系统可以单独更新，这又回到了HumanDrive的核心，它重新引入了人类思维来解决自动驾驶汽车过程中遇到的问题。由于GPS在人口稠密地区的潜在过载和城市导航的困难，日立开发商需要解决的下一个问题是城市区域导航。需要考虑的一个解决方案是训练汽车定位系统，使其能够像人一样环顾四周。大多数人可以在不需要智能手机或地图的情况下确定自己的位置，只需环顾四周并识别周围的环境。Souflas说：“我们正在创造可以从视觉特征中定位的特征，这将给系统带来冗余，并将人工智能与传统方法相结合，以不断改进。”Souflas还补充道，“开发这样的人工智能系统和智能软件必须增加人类的智能

标签：发现日产

汽车资讯热门资讯