自动驾驶中的人工智能应用与挑战

自动驾驶和人工智能 – Risks and Opportunities

需要智能解读

仅依靠处理车辆自身驾驶辅助系统生成的传感器信号以及额外的车联网通信数据，不足以实现日常道路交通中的高级别驾驶自动化（SAE 4级和5级）。这是因为驾驶汽车需要对整体交通状况进行智能解读。

在讨论如何解决这一问题时，人们常常提及人工智能（AI）的潜力。尽管这种方法看似革命性，但实际上它只是计算机编程的一种延伸。过去程序员通过设计并组合明确的计算规则来构建算法，而现在我们还可以选择从海量数据中推导出这些规则。“任何执行算法以完成任务的计算机本质上都属于人工智能的应用。这并非新鲜事物。人们通常所说的”

通常所指的人工智能往往是人工智能的一个特殊应用，即机器学习（ML）。近年来，机器学习在自动驾驶汽车开发中的应用已显著扩展；并且机器学习已经成为许多驾驶辅助系统中不可或缺的一部分，例如用于识别交通标志的系统，”德国亚琛工业大学汽车工程研究所（ika）主任吕茨·艾克斯坦教授解释道。

作为亚琛工业大学汽车工程研究所（ika）的负责人，埃克斯坦领导着一个团队，致力于这一技术的进一步发展。

机器学习的原理是训练计算机基于大量数据做出决策。例如，当今驾驶辅助系统中所使用的算法主要用于处理传感器数据以检测或识别物体。除此之外，机器学习还可以帮助预测其他车辆的行为，从而为更全面地评估交通状况提供基础，并实现关于适当的驾驶操作的决策。梅赛德斯‐奔驰的工程师预计，人工智能将在未来十年内成为自动驾驶汽车的标准技术。

“人工智能可用于环境感知、解释交通状况和规划行动。机器学习则可用于基于经验获取知识。也就是说，机器通过大量存储的示例学习识别模式。这使得机器能够利用统计数据检测并理解极为复杂的状况，”该公司一名代表表示。

尽管这将显著提升自动驾驶在目标检测、定位和风险评估方面的质量，但德国技术监督协会（VdTÜV）的代表指出，学习过程的计算量非常大，基本上必须由制造商运营的主机系统完成，而不能在车辆内部进行。因此，机器学习被部署于后端以训练系统。“在离线学习中，人工智能算法的功能仅在车辆运行前定义的训练阶段内进行更改。在后续的运行阶段，各组件功能保持不变，这意味着验证工作主要可在开发期间完成，”德国技术监督协会交通与移动部门主管理查德·格贝尔特表示。相比之下，循环学习涉及一个固定的人工智能算法，在背景，并可在定义的时间点用于进一步的离线学习。一旦完成此类迭代，就需要重新评估算法并将其部署到现场的车辆中。“当需要快速开发人工智能时，连接云服务就显得很有意义。驾驶数据在大量车辆中被记录并上传至云端，”总部位于德国的IAV自动驾驶功能高级副总裁米尔科·陶本罗伊特表示。在那里，它们然后可供一个或多个人工智能用于学习。

“这使得云端连接的人工智能系统能够受益于多种数据源。并且随着训练数据量的增加，系统性能进一步提升。”

借助深度学习的摄像头图像和语义分割

人工智能与云计算结合有哪些优势？

AtZelectronics _人工智能与云计算结合有哪些优势？ZEUNER_目前，驾驶任务由车载人工智能系统执行，且未连接到云服务。云计算将实现的一些有益应用包括：通过来自真实交通状况的数据来改进现有人工智能系统的软件更新；用于解决车辆僵局的远程支持服务；以及一系列驾驶体验功能，例如我们的 MBUX。

用于自动驾驶功能的人工智能应用或人工智能更新的认证程序是什么？

自动驾驶是一种安全 - 需要根据既定且经过认证的流程进行全面验证和审批的关键功能。梅赛德斯‐奔驰在引入安全的人工智能系统用于驾驶辅助领域（例如交通标志识别）方面拥有多年经验。在向更复杂的自动驾驶功能推进时，我们将能够依赖这一经验。

例如，ika研究所的专家设想了一种场景：云服务可提供车辆环境的辅助实时感知以及协同道路决策。“我们目前正在与来自其他大学的多位同事共同研究这一方法——例如，在德国联邦教育和研究部（BMBF）资助的UNICARagil旗舰项目框架下。另一种选择是将车载处理算法大规模迁移至云端，”埃克斯坦表示。

这对于用于公共交通等领域的无人驾驶车辆而言，将是一种颇具前景的解决方案。然而，其他人认为后一种方法在时间上仍较为遥远。例如，梅赛德斯‐奔驰的工程师指出，诸如解读交通场景之类的基本于云的人工智能应用目前并不可行，主要原因在于车辆需要能够对紧急情况做出实时响应，而这一点目前只能依靠车载传感器和处理系统实现。

应对特殊驾驶情况

特殊驾驶情况，例如当其他驾驶员未能遵守交通法规时引发的情况，给交通预测领域带来了挑战。自动驾驶车辆必须为此做好准备情况，并且在遇到疑问时至少能够安全停车，以尽量降低事故风险。例如，当遇到前方有非法停放的送货车辆占用车道时，这种解决问题的能力就至关重要。在这种情况下，完全自动化车辆必须决定是等待几分钟（甚至几小时），还是直接越过双黄线（一种交通违规行为！）以绕过该送货车辆。这里的困境在于，人类驾驶员可以自行决定是否冒险进行交通违规，而自动驾驶车辆无法做到这一点。“自动驾驶汽车的驾驶操作范围通常不应包括违反道路交通规则的操作。毕竟，道路交通规则理所当然地具有基本安全标准的地位，因此不应被随意 overiding，”陶本罗伊特表示。梅赛德斯‐奔驰的专家也指出，现行立法禁止自动驾驶汽车违反交通法规。作为一种变通办法，可以设想将权限委托给控制室中与车辆保持联系的人员。根据IAV和梅赛德斯‐奔驰的说法，监控机构可以发布临时指令，以解决自动驾驶汽车在决策能力上的局限性。此类行动的责任将由个人（或法人实体）承担，该个人或实体也可能被追究法律责任。

基于对自动驾驶应用的系统性评估，德国工程师协会（VDI）自动化与联网驾驶咨询委员会就如何处理此类问题提出了具体建议。这些建议还涉及各种法律问题 [1]。为了改善交通流，该咨询委员会建议应优先考虑和谐并道。“话虽如此，由此产生的容差无法量化，” VDI车辆与交通工程主席埃克斯坦表示，他也是该出版物的合著者之一。总体而言，作者们强调必须就自动驾驶汽车的驾驶规范达成广泛共识，以便它们确实能够带来整体交通流和安全性的改善。

专家们还一致认为，由警察和消防部门操作的应急车辆必须通过车对车通信方式与道路上所有其他车辆实现互联。此外，许多专家建议在自动驾驶汽车上使用外部探测器，以确保其能够检测到应急车辆发出的声学信号。“在我们研究所，我们正在利用人工智能技术，通过外部麦克风来增强识别警报声等典型信号模式的能力。在这种特殊驾驶情况下，自动驾驶汽车当然被允许像人类驾驶的车辆一样违反道路交通规则，”埃克斯坦表示。对此，格贝尔特指出了相关的法律限制：“原则上，系统中预设的所有驾驶操作都是可行的，这也包括技术上属于违法的驾驶操作。这凸显了相关的法律限制的必要性”

立法者需要采取行动

立法者需要采取行动，即协调管理道路交通和车辆登记的立法。确定允许的驾驶操作范围，本质上取决于立法者。

完全自动化车辆的注册

来自德国技术监督协会（VdTÜV）的这一警告，突显了一个目前与自动驾驶汽车的认证及定期检查同样尚未解决的问题。此外，ika研究所的专家们会进一步强调，这一问题从开发过程初期就构成了挑战。因此，有必要选择一种人工智能架构，以便对车外学习成效以及车辆运行期间的每个人工神经网络进行充分监控。未来，德国技术监督协会计划推动针对各系统及其算法和数据的强制性独立检查。“此外，针对当前的运行情况，未来的检查程序应包括系统在运行中的影响及其进一步发展，”格贝尔特表示。德国技术监督协会指出，其倡议得到了广泛的公众支持。这一点由德国技术监督协会委托IPSO市场研究与咨询公司进行的一项最新调查结果所证实，调查显示，在1000名年龄超过16岁的受访者中，有84%支持由独立机构对所有重要的人工智能系统实施强制性检查，以确保其安全[2]。德国技术监督协会在法律框架方面的要求主要集中在三个领域。第一，需要扩大现有立法的适用范围，因为根据欧盟产品安全法规，软件通常不被视为产品，即使该软件涉及安全问题。第二，必须考虑人工智能系统的演进。“将人工智能软件集成到产品中，可能在产品的长期使用过程中显著改变其功能。这尤其适用于需要频繁进行软件更新或依赖机器学习的系统。在这种情况下，可能会出现系统最初投入使用时并不存在的新风险，”格贝尔特表示。第三，需要扩展安全的定义，因为在产品和服务中使用人工智能可能引发当前欧盟立法未明确涵盖的风险（例如网络安全方面的风险）。

前路漫漫

鉴于尚未解决的问题，自动驾驶乘用车在欧洲的街道上普及可能还有很长的路要走。IAV工程师认为，从技术角度来看，借助现有且可获得的高性能传感器系统和计算机，最早在两到三年内实现完全自动化是有可能的。“然而，当考虑到与产品合规和车辆注册相关的法律问题时，未来五到十年内德国街头出现自动驾驶车辆的可能性不大。这与基于人工智能功能的认证和市场准入方面许多尚未解决的问题有关，同时也需要对相应法规进行大规模修订，”陶本罗伊特表示。埃克斯坦也表达了类似的观点：“尽管我们很快就能在量产车型中看到全自动泊车等应用，但我个人认为，在2030年之前，常规城市个人驾驶场景下的完全自动化难以实现。”

我们怎么看？

“人工智能是一种与其他技术发展类似的方法。它带来了大量新的机遇，同时也潜藏着许多风险。我认为，我们有责任向公众提供冷静客观的事实陈述，而情绪化的描述可能会严重误导公众，引发过度乐观的期望，或在特定受众中造成相当程度的焦虑。这是因为人工智能在汽车行业中的应用最终关乎自动驾驶，以及欧洲是否会在这一重要发展领域落后于亚洲和美国。然而，如果基于透明的人工智能开发方法，并辅以无缝衔接的认证与监控流程，打造安全可靠的人自动驾驶系统，欧洲实际上有可能获得竞争优势。”