(資料圖片僅供參考)

安全性是自動駕駛技術的核心命題。清華大學車輛與運載學院楊殿閣教授帶領的研究團隊日前在《自然·機器智能》上發表的一項研究成果表明，利用自動駕駛“可信持續進化”技術，可實現自動駕駛汽車在遇到突發狀況時，即便沒有預先設定的應對方案，也能自主學習應對陌生場景并保證行駛安全，這為自動駕駛汽車實現大規模商用提供了可能性。

據楊殿閣介紹，盡管目前自動駕駛汽車已具備在特定典型場景中示范駕駛運行的能力，但其大規模商業應用仍存安全性擔憂。自動駕駛依賴數據驅動的AI技術，傳統的研究方法是通過采集更大規模的駕駛數據、測試更長的駕駛里程來覆蓋所有可能的駕駛場景，以確保發生突發狀況時汽車有預先設定的應對方案。但由于AI只能處理已知場景，再加上AI算法“黑盒”特點與其偶發失效特性，在遇到陌生場景時，車輛可能會出現難以控制的情況，這使安全駕駛變得十分困難。

研究團隊提出的“可信持續進化技術”為解決該問題提供了新思路。該技術是基于動態評估AI的可信賴程度進行學習訓練，保證自動駕駛汽車在遇到陌生新場景時，其駕駛能力可從基礎性的主動避讓開始持續提升，在確保安全前提下達到更好的駕駛表現。這項技術的核心難點在于確保車輛性能的持續優化，避免傳統AI訓練過程中可能出現的時好時壞的震蕩現象。

“通過多次仿真和實車測試，自動駕駛汽車能學習、熟悉各種新遇到的場景，‘持續進化’得到更好的應對方案。”研究團隊成員、清華大學車輛學院博士后曹重說，實驗結果表明，這項技術能保證自動駕駛汽車在系統沒有預先設定的多種突發場景如車輛逆行、工程車輛壓線超車等發生時，無需額外指令就能主動采取避讓，保證了駕駛安全，并隨著駕駛里程與數據量的累積，性能持續提升。

楊殿閣認為，這項技術有望解決在面對未知場景時自動駕駛汽車可能做出危險行為的問題，讓自動駕駛汽車具備實現普及和大規模商用的可能性。

據悉，目前該技術已在2022北京科技冬奧自動駕駛示范項目中得到成功應用。下一步團隊將開展大規模自動駕駛開放道路應用示范，以檢驗該技術在更多行駛場景中的應對能力與自主提升能力。

(責任編輯：王芳)