可扩展的自动驾驶车辆安全工具由研究人员开发

随着自动驾驶车辆制造和部署的速度增加，自动驾驶车辆的安全性变得更加重要。因此，研究人员正在投资创建指标和工具来跟踪自动驾驶车辆的安全性。 据ScienceDaily报道，伊利诺伊大学厄巴纳-香槟分校的一支研究团队使用机器学习算法创建了一个可扩展的自动驾驶车辆安全分析平台，利用硬件和软件改进来实现这一目标。

提高自动驾驶车辆的安全性仍然是人工智能领域中更困难的任务之一，因为这项任务涉及许多变量。自动驾驶车辆中使用的传感器和算法非常复杂，而且外部条件也在不断变化，例如道路条件、地形、天气、照明和交通。

自动驾驶车辆的景观和算法都在不断变化，公司需要一种方法来跟上这些变化并应对新的问题。伊利诺伊州的研究人员正在开发一个平台，允许公司快速、经济地解决最近确定的安全问题。然而，自动驾驶车辆的系统复杂性使得这一任务变得巨大。研究团队正在设计一个系统，可以跟踪和更新包含数十个处理器和加速器的自动驾驶车辆系统，这些系统运行着数百万行代码。

一般来说，自动驾驶车辆开车相当安全。然而，当发生故障或意外事件时，自动驾驶车辆目前更容易发生事故，而人类驾驶员则能够更好地处理紧急情况。虽然很难 量化自动驾驶车辆的安全性 和 事故的原因，但很明显，车辆在高速公路上行驶时发生故障可能会非常危险，因此有必要改进自动驾驶车辆处理紧急情况的能力。

萨拉布·杰哈（Saurabh Jha），一名博士生和研究人员，向ScienceDaily解释了改进自动驾驶车辆故障处理能力的必要性。 杰哈解释说：

“如果一辆普通汽车的驾驶员感觉到问题，例如车辆漂移或拉力，驾驶员可以调整自己的行为并引导汽车到一个安全的停车点。然而，在这种情况下，自动驾驶车辆的行为可能是不可预测的，除非自动驾驶车辆被明确训练为处理这种问题。在现实世界中，有无数这样的情况。”

研究人员旨在通过收集和分析自动驾驶车辆公司提交的安全报告来解决这个问题。像Waymo和Uber这样的公司每年至少必须向加利福尼亚州机动车辆管理局提交报告。这些报告包含有关统计数据的信息，例如汽车行驶的距离、发生的事故数量以及车辆运行的条件。

伊利诺伊大学研究团队分析了2014年至2017年间的报告。在此期间，自动驾驶车辆行驶了大约1,116,000英里的距离，分布在144辆不同的车辆上。根据研究团队的发现，与人类驾驶员驾驶相同距离相比，事故发生的可能性增加了4000倍。这些事故可能意味着车辆的AI未能正确脱离并避免事故，而是依赖人类驾驶员接管。

由于自动驾驶车辆的硬件和软件错误可能只在特定条件下表现出来，因此很难诊断潜在的错误。同时，也不可能在所有可能发生的道路条件下进行测试。因此，研究团队正在使用模拟环境来大大减少生成训练数据所需的时间和金钱。

研究团队使用生成的数据来探索自动驾驶车辆故障和安全问题可能发生的情况。利用模拟似乎可以真正帮助公司找到他们原本无法发现的安全风险。例如，当团队测试由百度创建的Apollo AV时，他们发现了超过500个自动驾驶车辆未能处理紧急情况并导致事故发生的实例。研究团队希望其他公司能够利用他们的测试平台并提高他们的自动驾驶车辆的安全性。