蓋世汽車訊 據外媒報道，慕尼黑工業大學（TUM）的研究人員開發出全新車輛預警系統。該系統利用人工智能學習了上千種實際交通場景。研究結果顯示，該系統應用于自動駕駛汽車時，可發現汽車自身無法檢測到的潛在危險情況，并提前7秒向汽車發出警報，精確度超過85%。寶馬集團也參與了此次項目的研究。

（圖片來源：慕尼黑工業大學）

為了確保未來自動駕駛汽車的安全性，開發工作多使用復雜的模型，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雜或無法預料的情況，會發生什么呢？

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

該技術使用傳感器和攝像頭捕獲周圍狀況并記錄車輛的狀態數據，例如方向盤角度、道路狀況、天氣、能見度和速度。基于循環神經網絡（RNN）的AI系統會學習使用數據識別模式。如果該系統在新的駕駛場景中發現某種模式，且過去的控制系統在這種場景下無法進行處理，則會向駕駛員提前發出有關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。新系統的最大優勢是完全忽視了汽車的想法。相反，我們基于真實發生事件的數據開發新模式，從而使人工智能發現模式無法識別或尚未發現的潛在危險情況。因此，該系統可提供一種安全功能，發現車輛在何時何地存在隱患。

研究團隊與寶馬集團在高速公路上對采用該技術的自動駕駛車輛進行了測試，并分析了約2500種駕駛員必須干預的情況。研究表明，人工智能可最多于7秒前預測潛在的危險情況，且精確度超過85%。該技術應用需要大量數據的支持，因為如果場景曾經出現過，則人工智能只能局限于系統進行識別和預測。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，數據實際會由自己生成。每次的潛在危險情況測試都會帶來新的訓練示例。”中央數據存儲可幫助車輛從整個車隊的記錄數據進行學習。

返回第一電動網首頁 >