中科院自动化所与西安交通大学提出“平行测试”,有效应对智能车辆路测安全问题

2019-03-29 00:26:01·  来源:智车科技  
 
中科院自动化所与西安交通大学提出一种平行测试方法来测试和验证无人车对复杂交通场景的理解和行驶决策能力,对构建和测试其他人工智能系统具有重要的启发意义。
中科院自动化所与西安交通大学提出一种平行测试方法来测试和验证无人车对复杂交通场景的理解和行驶决策能力,对构建和测试其他人工智能系统具有重要的启发意义。该团队以“Parallel Testing of Vehicle Intelligence via Virtual-Real Interaction”为题介绍了平行测试及其在IVFC应用的工作被Science Robotics 杂志作为人工智能研究“Focus Article(焦点文章)”发表。


2016年5月,一辆Tesla Model S型轿车在美国佛罗里达州与大货车侧面底部相撞,引发了全世界对于无人驾驶车辆智能水平之科学测试和客观评估的关注。然而,无人驾驶车辆的真实道路测试需要庞大的金钱以及时间成本,并且存在很高的风险。中科院自动化研究所王飞跃研究员与西安交通大学郑南宁教授提出的“平行测试”利用机器学习和平行智能方法,有效解决了无人车真实交通场景的测试数据不充足,难以对路测车辆自身的感知、决策和执行等模块进行实时和精确的评估等问题,为保障智能车辆的安全行驶提供了一种新的视角。

无人驾驶车辆的研究与开发一直需要面对这三个重要的问题:(1)如何测试无人车系统中每个算法的正确性?(2)如何验证无人车系统对各种道路交通环境的适应性?(3)如何测试和评估无人车系统的智能水平?全部的测试工作都集中在真车上进行成本巨大,且安全系数非常低。Intel的自动驾驶首席架构师Jack Weast就曾在2018年IEEEIV作大会报告时指出,如果要达到无人驾驶安全上路的要求,大概需要进行30 b miles(300亿英里)的道路测试,而这相当于100辆无人车在每天24小时每周7天每年365天跑1000年!

因此,越来越多的公司开始构建面向无人驾驶系统更安全更经济有效的离线测试数字模拟平台,通过构建具有现实交通环境多元传感数据的模拟道路交通场景,获得现实交通环境的数字视频图像、雷达扫描数据、车辆位姿数据、高清地图等,解决无人车系统研究开发的仿真测试和自主驾驶能力评估问题。然而,这样的系统高度依赖于人类的知识来正确地设计场景。同时,通过仿真测试的某些场景也需要在现场测试中重新评估和验证,以验证仿真系统的有效性和自主车辆硬件的可靠性,而这一点在目前还做的不够好。

平行测试提出了一种新的解决方案。它通过将车辆智能测试分为测试环境、测试规划和测试执行三个步骤并且在虚拟世界里建立一一映射的测试流程,从而使得:(1)平行的虚拟环境不仅仅是真实环境的一一映射,同时也和真实环境在状态上存在交互,真实环境会影响虚拟环境,虚拟环境也会影响真实环境,这样就形成了一个自我不断增强系统;(2)平行系统是一种自我学习的系统,一些在虚拟环境中的关键元素是数据驱动型,这使得平行系统比那些基于随机模型的系统要更加自动化,可信度也更高。
 

在西安交通大学、中科院自动化研究所、清华大学、青岛智能产业技术研究院以及慧拓智能机器有限公司、中山大学、吉林大学、国科大的通力合作下,在国家自然科学基金委和常熟市政府的大力支持下,团队自主研发的平行测试系统平台从2016年即应用于在世界上连续举办时间最长规模最大的中国智能车未来挑战赛(IVFC),提高了测评效率,极大地保障了比赛的公开透明、公平公正。

近日,团队以“Parallel Testing of Vehicle Intelligence via Virtual-Real Interaction”为题介绍平行测试及其在IVFC应用的工作被Science Robotics 杂志作为人工智能研究“Focus Article(焦点文章)”发表。文章借助图灵对智能系统的构想,阐述了一种人工智能的测试方法,以及如何测试和验证无人车对复杂交通场景的理解和行驶决策的能力。该研究工作引入对抗式学习模型, 以使系统能够自动生成新的任务实例, 这些任务实例可以呈现复杂、动态的交通场景, 以促使无人驾驶车辆进一步提高适应复杂环境的能力,将有效推动无人驾驶技术的发展。

 
 
分享到:
 
反对 0 举报 0 收藏 0 评论 0
沪ICP备11026917号-25