卡內(nèi)基梅隆大學(Carnegie Mellon University)的研究人員開發(fā)了一種新的測量方法，用以評估自動駕駛汽車對不斷變化的路況和交通狀況的反應如何，第一次使得人們能夠測評各種不同的自動駕駛系統(tǒng)，主要在路況感應的準確性和反應時間兩個方面。
機器人研究所博士生李夢天(音)說，對于自動駕駛技術(shù)來說，不同機構(gòu)的技術(shù)路線不同。學術(shù)研究人員傾向于開發(fā)復雜的算法，能夠準確識別危險，但可能需要大量的計算時間。相比之下，工業(yè)工程師傾向于選擇簡單、精度較低的算法，這些算法速度快、計算量少，因此車輛能夠更快地對危險做出反應。
然而到目前為止，還沒有一個系統(tǒng)的測量方法來平衡準確度和延遲時間——事件發(fā)生與感知系統(tǒng)識別事件之間的延遲。由于缺乏適當?shù)亩攘繕藴?，因此很難比較不同系統(tǒng)的優(yōu)劣。
這項被稱為“交通流感應準確度”的新指標是由李孟天、機器人研究所副教授德瓦·拉曼南、伊利諾伊大學香檳分校助理教授王宇雄(音)共同研發(fā)的。他們在上個月的歐洲虛擬計算機視覺會議上進行宣講，并獲得最佳論文獎。
新指標是通過比較感知系統(tǒng)每一時刻的輸出與路面的真實狀態(tài)來衡量的。
“當你處理完來自傳感器的輸入時，路面狀況已經(jīng)發(fā)生了變化，”李解釋說，在處理過程中，汽車已經(jīng)行駛了一段距離。
拉曼南說：“新指標為現(xiàn)有的感應系統(tǒng)提供了一個新的視角?，F(xiàn)在，即使是良好的交通流感應系統(tǒng)，性能可能會很差。使用新引入的指標優(yōu)化此類系統(tǒng)，可以使它們的反應更加靈敏。
研究小組的一個重要的發(fā)現(xiàn)是，解決方案不一定是讓感應系統(tǒng)運行得更快，而是偶爾適時地暫停一下。拉曼南補充說，跳過某些幀的處理可以防止系統(tǒng)越來越落后于路面實時事件。
另外一個重要技術(shù)是在感知過程中加入預測。
就像棒球中的擊球手在他們認為球應該在的地方揮桿——而不是球在哪里——車輛可以預測其他車輛和行人的一些動作。測量表明，進行這些預測所需的額外計算不會顯著損害準確性或造成延遲。
這項研究同時得到了卡內(nèi)基梅隆大學和Argo自主車輛人工智能研究中心及國家的雙重支持。
注：卡耐基梅隆大學(CMU)，Carnegie Mellon University，擁有世界頂尖的計算機科學學院，是當代自動駕駛技術(shù)的發(fā)源地。
