Credit: CC0公共领域自动驾驶汽车由机器学习算法提供动力，这些算法需要大量的驾驶数据才能安全运行。但是，如果自动驾驶汽车可以像婴儿学习走路一样学习驾驶——通过观察和模仿周围的其他人——他们将需要更少的汇编驾驶数据。这个想法正在推动波士顿大学工程师Eshed Ohn-B ar开发一种全新的方法，让自动驾驶汽车学习安全驾驶技术——通过观察路上的其他汽车，预测它们将如何应对环境，并使用这些信息来做出自己的驾驶决策。阿布工程学院电气与计算机工程助理教授、英国大学拉菲克·哈里里计算与计算科学与工程学院初级研究员欧恩巴(Ohn-Bar)和阿布电气与计算机工程博士生张继木扬(Jimuyang Zhang)最近在2021年计算机视觉与模式识别会议上介绍了他们的研究。他们对培训范例的想法来自于一种愿望，即增加他们领域的研究人员之间的数据共享和合作——目前，自动驾驶汽车需要许多小时的驾驶数据来学习如何安全驾驶，但一些世界上最大的汽车公司将他们的大量数据保密，以防止竞争。
Ohn-Bar说:“每家公司都经历了同样的过程:取车、给车装上传感器、付钱让司机开车、收集数据、教车开车。共享驾驶数据可以帮助公司更快地创造安全的自动驾驶汽车，让社会上的每个人都能从合作中受益。Ohn-Bar说，人工智能驾驶系统需要如此多的数据才能正常工作，以至于没有一家公司能够独自解决这个问题。
“数十亿英里(路上收集的数据)只是现实世界事件和多样性海洋中的一滴水，”Ohn-Bar说。"然而，丢失的数据样本可能会导致不安全的行为和潜在的崩溃."
研究人员提出的机器学习算法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。这些地图有助于自动驾驶汽车像其他汽车或行人一样检测障碍物，并了解其他汽车如何在不撞上任何东西的情况下转弯、谈判和让步。
通过这种方法，自动驾驶汽车通过将周围车辆的动作转化为它们自己的参照系——它们的机器学习算法——驱动的神经网络来学习。这些其他汽车可能是没有任何传感器的人类驾驶车辆，或者是另一家公司的自动驾驶车辆。由于对场景中所有周围汽车的观察是算法训练的核心，这种“通过观察学习”的模式鼓励了数据共享，从而提高了自动驾驶汽车的安全性。
Ohn-Bar和张测试了他们的“边看边学”算法，让由它驱动的自动驾驶汽车在两个虚拟城镇中穿行——一个城镇有与他们训练环境相似的直白转弯和障碍物，另一个城镇有意想不到的曲折，比如五向交叉路口。在这两种情况下，研究人员发现他们的自动驾驶神经网络很少发生事故。仅用一个小时的驾驶数据来训练机器学习算法，自动驾驶车辆92%的时间安全到达目的地。
“虽然以前的最佳方法需要几个小时，但我们很惊讶，我们的方法只需10分钟的驾驶数据就能学会安全驾驶，”Ohn-Bar说。
他说，这些结果是有希望的，但是在处理复杂的城市环境方面仍然有几个公开的挑战。他说:“要解释车辆、传感器测量中的噪声和遮挡以及不同驾驶员之间的视角差异是非常困难的。
展望未来，该团队表示，他们教授自动驾驶汽车的方法也可以用于其他技术。“送货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，”Ohn-Bar说。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
