安全性是自动驾驶技术的核心命题

安全系数是智能驾驶技术的关键出题。清华大学车辆与运载学院杨殿阁专家教授率领的科研团队日时在《自然·机器智能》上发布的一项研究成效说明，运用无人驾驶“可靠持续进化”技术性，可以实现无人驾驶汽车当遇到紧急状况时，即使没有事先设置的应对方案，也可以主动学习解决生疏情景并确保行车安全性，从而为无人驾驶汽车完成规模性商业带来了概率。

据杨殿阁详细介绍，尽管目前无人驾驶汽车已经具备在一定典型场景中示范性安全驾驶运转的水平，但是其规模性商业应用仍存在安全系数忧虑。无人驾驶依靠数据驱动的AI技术性，传统研究思路是由收集更大规模的安全驾驶数据信息、检测比较长的安全驾驶里程数来覆盖所有可能性的用车场景，以保证产生紧急状况时车辆有事先设置的应对方案。但是由于AI只有解决已经知道情景，加上AI优化算法“黑盒子”特性与其说偶发性无效特点，当遇到生疏情景时，车子有可能出现无法控制的现象，这使得行车安全越来越十分困难。

科研团队所提出的“可靠持续进化技术性”为了解决此问题带来了新理念。该理论是根据动态评价AI的值得信赖水平开展学习锻炼，确保无人驾驶汽车当遇到生疏新模式时，其驾驶能力可以从基本性的主动躲避逐渐不断提升，在保证安全情况下达到最佳安全驾驶主要表现。这一技术的关键关键就是保证汽车性能的不断优化，防止传统式AI练习环节中可能发生的时断时续的振荡状况。

“通过多次模拟仿真和实车测试，无人驾驶汽车能学习培训、了解各类新碰到的情景，‘持续进化’获得更好的应对方案。”科学研究团队人员、清华大学车辆学院博士研究生曹重说，试验结果显示，这一技术能确保无人驾驶汽车在设备并没有事先设置的多种多样突发性情景如车辆逆行、工程机械过线高速行驶等发生的时候，不用附加命令就会主动采用躲避，确保了行车安全，并且随着安全驾驶里程数与信息量的累计，特性不断提升。

杨殿阁觉得，这一技术有希望处理在面对未知情景时无人驾驶汽车很有可能作出不安全行为问题，让无人驾驶汽车具有完成普及化和规模性商业的概率。

据了解，由于该技术性已经在北京科技冬奥无人驾驶示范工程中获得广泛运用。下一步团队将进行规模性无人驾驶开放式路面应用示范，以检测该方法在大量行车场景下的应变能力与独立提高能力。