像婴儿学走路一样 BU提出AV学习新方法以减少所需路测数据

盖世汽车讯自动驾驶汽车由需要大量行驶数据的机器学习算法支持，从而实现安全驾驶。然而，如果自动驾驶汽车能够像婴儿学习走路一样学习驾驶，即观察和模仿周围的人，那么它们需要的驾驶数据就会少得多。据外媒报道，波士顿大学(BU)工程师Eshed Ohn-Bar基于上述理论开发了一种全新的学习安全驾驶技术的方法，即通过观察路上的其他汽车并预测它们对环境的反应，然后利用这些信息独立做出驾驶决策。

(来源:https://arxiv.org/pdf/2106.05966.pdf)

波士顿大学工程学院电气和计算机工程助理教授Ohn-Ba、波士顿大学Rafik B. Hariri计算和计算科学与工程研究所初级教师以及波士顿大学电气和计算机工程博士生Jimuyang Zhang最近在2021年计算机视觉和模式识别会议上展示了他们的研究。为了增加各自领域研究人员之间的数据共享和合作，他们开始训练范式。目前，自动驾驶汽车需要数小时的驾驶数据来学习如何安全驾驶，但全球一些大的汽车公司不会分享大量的数据，以避免竞争。

Ohn-Bar说:“每家公司生产汽车的经验都是一样的，包括在汽车上安装传感器、雇佣司机驾驶汽车、收集数据和教汽车驾驶。”共享驾驶数据可以帮助公司更快地制造安全的自动驾驶汽车，让社会中的每个人都能从合作中受益。Ohn-Bar表示，人工智能驾驶系统需要大量的数据才能正常运行，因此没有一家公司能够独自解决这个问题。

Ohn-Bar说:“数十亿英里的道路数据对于真实事件和多样性来说，就像大海中的一滴水。然而，缺失的数据样本可能会导致不安全的行为和潜在的车祸。”研究人员提出的机器学习算法可以通过估计附近其他汽车的视点和盲点来创建周围环境的鸟瞰图，从而帮助自动驾驶汽车检测障碍物，例如其他汽车或行人，并了解其他汽车如何转弯、谈判和让步，从而避免碰撞。

这样，自动驾驶汽车通过将周围车辆的动作转换到自己的参考系，也就是自己的机器学习算法中来学习，从而驱动神经网络。周围的车辆可能是没有传感器的人类驾驶的汽车，也可能是其他公司的自动驾驶汽车。观察场景周围的车辆是算法训练的核心，所以这种“边看边学”的范式鼓励数据共享，从而提高自动驾驶汽车的安全性。

Ohn-Bar和张通过在两个虚拟城镇驾驶自动驾驶汽车来测试他们的“观察和学习”算法。两个模拟城镇中，一个有类似训练环境的直道转弯和障碍，另一个有更多意想不到的弯道，比如一个五岔路口。在这两种场景中，研究人员发现他们的自动驾驶神经网络很少发生事故，只需要一个小时的驾驶数据来训练机器学习算法，自动驾驶汽车安全到达目的地的准确率高达92%。

Ohn-Bar说:“过去最好的方法也需要几个小时的驾驶数据才能学会安全驾驶。令我们惊讶的是，我们的方法只需要十分钟的驾驶数据。”Ohn-Bar还表示:“测试结果很有希望，但在处理复杂的城市环境方面仍然存在一些公开的挑战。考虑到被观察车辆之间快速变化的视角、传感器测量中的噪声和障碍物以及不同的驾驶员，实现安全驾驶仍然非常困难。”

展望未来，该团队表示，这种教会自动驾驶汽车自动驾驶的方法也可以用于其他技术。Ohn-Bar说:“配送机器人甚至无人机都可以通过观察环境中的其他人工智能系统来学习。”盖世汽车讯自动驾驶汽车由需要大量行驶数据的机器学习算法支持，从而实现安全驾驶。然而，如果自动驾驶汽车能够像婴儿学习走路一样学习驾驶，即观察和模仿周围的人，那么它们需要的驾驶数据就会少得多。据外媒报道，波士顿大学(BU)工程师Eshed Ohn-Bar基于上述理论开发了一种全新的学习安全驾驶技术的方法，即通过观察……预测他们对环境的反应，然后利用这些信息独立地做出驾驶决定。

(来源:https://arxiv.org/pdf/2106.05966.pdf)

波士顿大学工程学院电气和计算机工程助理教授Ohn-Ba、波士顿大学Rafik B. Hariri计算和计算科学与工程研究所初级教师以及波士顿大学电气和计算机工程博士生Jimuyang Zhang最近在2021年计算机视觉和模式识别会议上展示了他们的研究。为了增加各自领域研究人员之间的数据共享和合作，他们开始训练范式。目前，自动驾驶汽车需要数小时的驾驶数据来学习如何安全驾驶，但全球一些大的汽车公司不会分享大量的数据，以避免竞争。

Ohn-Bar说:“每家公司生产汽车的经验都是一样的，包括在汽车上安装传感器、雇佣司机驾驶汽车、收集数据和教汽车驾驶。”共享驾驶数据可以帮助公司更快地制造安全的自动驾驶汽车，让社会中的每个人都能从合作中受益。Ohn-Bar表示，人工智能驾驶系统需要大量的数据才能正常运行，因此没有一家公司能够独自解决这个问题。

Ohn-Bar说:“数十亿英里的道路数据对于真实事件和多样性来说，就像大海中的一滴水。然而，缺失的数据样本可能会导致不安全的行为和潜在的车祸。”研究人员提出的机器学习算法可以通过估计附近其他汽车的视点和盲点来创建周围环境的鸟瞰图，从而帮助自动驾驶汽车检测障碍物，例如其他汽车或行人，并了解其他汽车如何转弯、谈判和让步，从而避免碰撞。

这样，自动驾驶汽车通过将周围车辆的动作转换到自己的参考系，也就是自己的机器学习算法中来学习，从而驱动神经网络。周围的车辆可能是没有传感器的人类驾驶的汽车，也可能是其他公司的自动驾驶汽车。观察场景周围的车辆是算法训练的核心，所以这种“边看边学”的范式鼓励数据共享，从而提高自动驾驶汽车的安全性。

Ohn-Bar和张通过在两个虚拟城镇驾驶自动驾驶汽车来测试他们的“观察和学习”算法。两个模拟城镇中，一个有类似训练环境的直道转弯和障碍，另一个有更多意想不到的弯道，比如一个五岔路口。在这两种场景中，研究人员发现他们的自动驾驶神经网络很少发生事故，只需要一个小时的驾驶数据来训练机器学习算法，自动驾驶汽车安全到达目的地的准确率高达92%。

Ohn-Bar说:“过去最好的方法也需要几个小时的驾驶数据才能学会安全驾驶。令我们惊讶的是，我们的方法只需要十分钟的驾驶数据。”Ohn-Bar还表示:“测试结果很有希望，但在处理复杂的城市环境方面仍然存在一些公开的挑战。考虑到被观察车辆之间快速变化的视角、传感器测量中的噪声和障碍物以及不同的驾驶员，实现安全驾驶仍然非常困难。”

展望未来，该团队表示，这种教会自动驾驶汽车自动驾驶的方法也可以用于其他技术。Ohn-Bar说:“配送机器人甚至无人机都可以通过观察环境中的其他人工智能系统来学习。”

标签：发现

汽车资讯热门资讯