在自动驾驶汽车的生产竞争中，安全至关重要，但有时也会被忽视。据外媒报道，伊利诺伊大学香槟分校（University of Illinois at Urbana-Champaign）的研究人员使用AI和机器学习技术，通过在软件和硬件方面取得的进步，提高自动驾驶技术的安全性。
研究人员之一Ravi Iyer表示，“使用AI改进自动驾驶汽车非常困难，因为汽车的电气和机械部件非常复杂，而且外部条件多变，如天气、道路条件、地形、交通模式和照明。”该团队开发了一个平台，使公司能够在复杂和不断变化的自动驾驶技术环境中更快、更经济地解决安全问题。他们正在与旧金山湾区（Bay area）的许多公司合作，包括三星、英伟达和一些初创公司。
由于自动驾驶汽车使用础滨和机器学习，集成机械、电子和计算技术做出实时驾驶决策，系统十分复杂，因此，该团队的工作非常具有挑战性。典型的自动驾驶汽车是一个微型超级计算机，具有50多个处理器和加速器，运行超过1亿行代码，以支持计算机视觉、规划和其他机器学习任务。因此，必须考虑车辆的传感器和自动驾驶堆栈（计算软件和硬件）。当一辆汽车在高速公路上以每小时70英里的速度行驶时，一旦发生故障，将对驾驶员带来巨大风险。
该项目领导者、计算机科学博士研究生 Saurabh Jha解释说，“如果一辆普通汽车的驾驶员感觉到了诸如汽车漂移或拉力等问题，他/她可以调整自己的行为，行驶到安全的停车点。然而，在此种情况下，自动驾驶汽车的行为可能无法预测，除非自动驾驶汽车针对这些问题进行了训练。”
CSL（Coordinated Science Laboratory）和计算机科学专业研究生Subho Banerjee表示，“目前的法规要求在公共道路上测试车辆的公司，每年向加州机动车管理局报告车辆的安全性。我们想了解常见的安全问题、车辆在这些情况下的表现，以及车辆设计的理想安全标准。”
该团队分析了2014年至2017年提交的所有安全报告，其中包括144辆自动驾驶车辆，累计行程1116605英里。他们发现，在驾驶里程相同的情况下，人类驾驶汽车发生事故的可能性比自动驾驶汽车发生事故的概率小4000倍。这意味着自动驾驶技术往往未能妥善处理情况，并且经常依靠人类驾驶员接管才能暂停。
研究人员和公司面对的问题是，除非自动驾驶汽车系统遇到特定的问题，否则很难训练软件来应对这一问题。此外，软件和硬件栈中的错误仅在某些驾驶场景下，才是安全关键问题。换句话说，在高速公路或不太拥挤的道路上进行的自动驾驶测试可能不够充分，因为在软件和硬件出现故障的条件下，发生的安全事故较少。自动驾驶汽车通常在行驶了数十万英里之后，才会发生错误。为了测试自动驾驶汽车，需要花费大量的时间、金钱和精力，因此测试过程效率较低。该团队正使用计算机模拟和础滨加速这一过程。
闯丑补表示，“我们将自动驾驶汽车的软件和硬件堆栈中的错误引入到计算机模拟中，然后收集自动驾驶汽车对这些问题的响应数据。与人类不同，目前的础滨技术无法对不同驾驶场景中可能出现的错误进行推理。因此，需要大量的数据，教会软件在面对软件或硬件问题时，采取正确的行动。”
目前，该研究小组正在构建技术和工具，生成对自动驾驶汽车安全影响最大的驾驶条件和问题。使用该项技术，他们可以找到大量的安全关键场景，在这些场景中，不必列举所有可能的错误，就能导致事故，从而节省了大量的时间和金钱。
在百度础辫辞濒濒辞的一项公开自动驾驶技术测试中，该团队发现了500多个软件未能处理问题的例子，进而导致事故。目前，该团队正为其测试技术申请专利，并计划很快实施。研究人员希望公司使用这种新技术，模拟已识别的问题，并在汽车部署之前解决这些问题。
投诉侵权
