编译/文龙
安全性无疑实现自动驾驶的必要前提，不过目前看来，即使是足够复杂的模型也很难能够完全分析所有交通参与者的行为。在此背景下，慕尼黑工业大学（TUM）的一组研究人员开发了一种新型车辆预警系统，该系统针对自动驾驶汽车设计，使用人工智能对数千种实际的交通状况进行学习，旨在对需要人为操纵的紧急状况进行预警。研究成果在IEEE大会上进行了报告。
图示：新技术使用传感器和摄像头捕获记录车辆周围的状态数据。（来源：techxplore.com)
「为了使车辆更智能地自动驾驶，许多现有的方法在研究车辆对交通情况的掌控。而我们技术的最大优势是：我们完全放弃「让车来判断」的思路，而是根据实际的数据，将我们自己限制在这些数据范围内，从中寻找模式。」论文的合著者、TUM慕尼黑机器人与机器智能学院（MSRM）的董事会成员Eckehard Steinbach教授说。「通过这种方式，人工智能可以发现系统无法识别或尚未发现的潜在紧急情况。因此，我们的系统提供了一种可以预知汽车的自动驾驶系统何时可能发生意外状况的安全功能。」
通过RNN进行模式识别
新系统使用传感器和摄像头捕获车辆周围的状况并记录车辆的状态数据，例如方向盘角度、道路状况、天气、能见度和速度。基于递归神经网络（RNN）的AI模型可以从过去的状态数据中学习，并在新的状态数据中识别模式。如果系统发现过去无法处理的新的驾驶情况模式，就会提前警告驾驶员可能会出现的危险情况。
提前7秒发出警告
研究团队与宝马集团合作，分析了大约2500种驾驶员必须干预的情况，并在宝马研发的高速公路自动驾驶车辆上测试了这项新的预警技术。研究表明，该预警系统已经能够以超过85％的准确度预测潜在的汽车无法独自操作的紧急情况，最早可以提前7秒发出警告。
毫不费力地收集数据
要想使这项新的技术发挥作用，还需要大量的数据。毕竟，AI识别和预测的极限依赖于先前遇到过的情况的经验。论文的作者之一Christopher Kuhn指出，由于有大量的测试车辆在路上，数据实际上是由自己生成的：「每当在试驾中遇到新的潜在紧急情况时，我们就会得到一个新的训练示例。」通过中央存储器，每辆车都可以从整个车队记录的所有数据中进行学习。
