蓋世汽車訊 高度自動駕駛功能必須通過仿真進行密集驗證。10月26日，保時捷工程公司（Porsche Engineering）宣布，在AVEAS研究項目中，保時捷在利用人工智能從傳感器數據中自動檢測關鍵交通情況，并將這些情況存儲在數據庫中。同時，以此方式生成的路線模型和交通情況也經過多樣化處理，以便生成更多的虛擬驗證測試案例。

車輛超車并再次駛回時，常常出現留給后車的空間不足的情況。在這種情況下，事故通常很難避免。今天，駕駛員通常通過剎車或規避來防止事故升級。未來的自動駕駛車輛也必須能夠在關鍵時刻安全地做出反應，這就是為什么保時捷已經在仿真中密集地演練這種情景。在這個過程中，工程師們會有意增加危險程度，例如減小車距。保時捷工程公司的人工智能與大數據主管Joachim Schaper博士和仿真負責人Tille Karoline Rupp解釋說：“我們正在建立一個完整的危險情景目錄，以驗證駕駛輔助系統和高度自動化駕駛功能。”

虛擬測試是AVEAS研究項目的一部分（該縮寫詞來自德語短語Absicherungsrelevante Verkehrssituationen erheben, analysieren, simulieren，意思是“收集、分析、仿真與驗證相關的交通狀況”），其中除了保時捷工程公司之外，還有20個合作伙伴參與其中，包括研究人工智能的多家弗勞恩霍夫協會（Fraunhofer）研究所。

車輛超車后并入原車道的場景；圖片來源：保時捷

AVEAS旨在消除自動駕駛道路上的一個主要障礙：缺乏數據。為了驗證高度自動化駕駛的功能，理論上需要數十億公里的測試里程。由于這將消耗大量的時間和金錢，因此真實的行程需要通過仿真來補充。然而，這在關鍵交通情況下尤為困難，因為缺乏仿真的真實基礎數據，畢竟在正常的交通情況下，這種極限情況很少發生。AVEAS旨在填補這一空白。該項目的目的是自動評估測試駕駛并將關鍵交通情況準備為仿真場景。

保時捷工程公司為此貢獻了許多關鍵部件。例如，正在為試駕提供的JUPITER（Joint User Personalized Integrated Testing and Engineering Resource，聯合用戶個性化集成測試和工程資源）測試車輛。這輛測試車配備了攝像頭、雷達和激光雷達傳感器，并能夠將測量的數據發送到云端。保時捷工程公司還負責評估算法自動記錄的道路走向、其他道路使用者的位置和其他道路使用者的行為。其中使用的機器學習方法正在被不斷完善。

返回第一電動網首頁 >