模拟的糟糕驾驶员将自动驾驶测试的时间和成本减少了一千倍

与安全测试相关的成本和时间阻碍了对真正自动驾驶汽车的推动，但密歇根大学开发的新系统表明，人工智能可以将所需的测试里程减少99.99%。

它可以启动范式转变，使制造商能够更快地验证他们的自动驾驶汽车技术是否可以挽救生命并减少碰撞。在模拟环境中，由人工智能训练的车辆执行危险的操作，迫使自动驾驶汽车做出决策，这些决策很少在道路上遇到驾驶员，但需要更好地训练车辆。

为了反复遇到这种数据收集情况，现实世界的测试车辆需要行驶数亿到数千亿英里。

“安全关键事件 - 事故或险些未遂 - 在现实世界中非常罕见，而且自动驾驶汽车通常难以处理它们，”密歇根大学土木工程教授，Mcity和连接和自动化交通中心主任Henry Liu说，这是一个由美国交通部资助的区域交通研究中心。

密歇根大学的研究人员将这个问题称为“稀有的诅咒”，他们通过从包含罕见安全关键事件的真实交通数据中学习来解决这个问题。在模拟城市和高速公路驾驶的测试轨道上进行的测试表明，经过人工智能训练的虚拟车辆可以将测试过程加速数千倍。这项研究出现在《自然》杂志的封面上。

“我们使用的AV测试车辆是真实的，但我们已经创建了一个混合现实测试环境。背景车辆是虚拟的，这使我们能够训练它们创造具有挑战性的场景，这些场景在路上很少发生，“刘说。

UM 的团队使用一种方法来训练背景车辆，从模拟中使用的驾驶数据中剥离非安全关键信息。基本上，当其他司机和行人以负责任的、预期的方式行事时，它摆脱了长跨度，但保留了需要采取行动的危险时刻，例如另一个司机闯红灯。

通过仅使用安全关键数据来训练做出机动决策的神经网络，测试车辆可以在更短的时间内遇到更多此类罕见事件，从而使测试成本大大降低。

“密集强化学习将释放人工智能的潜力，以验证自动驾驶汽车、医疗机器人和航空航天系统等安全关键自主系统的智能，”清华大学自动化系助理教授、前助理研究科学家冯硕说。

“它还通过利用基于人工智能的测试代理为加速安全关键自主系统的培训打开了大门，这可能会在测试和培训之间建立共生关系，从而加速这两个领域。

很明显，培训以及所涉及的时间和费用是一个障碍。彭博社20月的一篇文章指出，尽管机器人出租车领导者Waymo的车辆在过去十年中行驶了<>万英里，但需要更多的数据。

“这意味着，”作者写道，“它的汽车必须多开25倍于总数，我们才能说，即使是模糊的确定感，它们造成的死亡人数也比公共汽车司机少。

测试在Mcity位于安娜堡的城市环境中进行，并在伊普西兰蒂的美国交通中心的高速公路测试轨道上进行。

Mcity于2015年推出，是世界上第一个专门用于互联和自动驾驶汽车的测试环境。在美国国家科学基金会的新支持下，外部研究人员将很快能够使用模拟和物理测试轨道运行远程混合现实测试，类似于本研究中报告的测试。

支持Mcity模拟的真实数据集是从安娜堡和底特律的智能十字路口收集的，需要配备更多十字路口。每个十字路口都装有隐私保护传感器，以捕获和分类每个道路使用者，识别其速度和方向。