清华大学车辆学院杨殿阁团队提出自动驾驶“可信持续进化”技术 当前时讯

【资料图】

近日，清华大学车辆与运载学院杨殿阁教授团队提出了自动驾驶“可信持续进化”技术，该技术有望解决公众对于无人驾驶大规模商用安全性的担忧，实现在任何场景下，无人驾驶汽车即使没有预先设定的应对方案，也能自主学习应对该场景并保证行驶安全。

安全性是自动驾驶技术最核心的命题，尽管目前自动驾驶汽车已经具备了在一些特定典型场景中示范无人驾驶运行的能力，但不断出现的自动驾驶汽车事故仍旧使公众对于无人驾驶大规模商用的可能性产生质疑。开展更多的自动驾驶测试和示范终究无法完全消除这一疑虑，真正突破这一瓶颈需要自动驾驶汽车在设计时就能保证，面对突发情况时，即使没有预先设定的应对方案，仍然是可通行的并且是安全的。实现这一目标需要准确发现所有可能出现的安全隐患并及时处理，然而，当前自动驾驶依赖数据驱动的AI技术，其黑盒特点与偶发失效特性导致实现这一目标变得十分困难。

为解决这一问题，清华大学车辆学院研究团队提出了自动驾驶“可信持续进化”技术，该技术会在自动驾驶汽车行驶初期将所有场景无差别地看成未知场景，均采取主动避让的基础驾驶策略以保证安全性；在此基础上，AI模型将从大数据中主动寻找熟悉的行驶场景，并自主地将在这些场景中的驾驶性能从基础策略调整到更优水平，因而能从系统设计的角度，解决长尾场景难以穷尽的问题，保证在任意场景下不依赖预先设定的“可信持续进化”。实现这样一个技术最核心的难点在于进化的过程要保证性能是单调提升的，这样才能使得整个进化过程仍具备最基础的安全性，但经典的AI训练过程中性能通常存在震荡现象，可能会引发新的安全风险，而研究团队设计的通过动态评估置信度进行AI模型训练的方案，能够使性能随数据的增加而单调持续提升，因而能够很好地满足这一要求。

图 可信持续学习自动驾驶的系统框图

研究团队在仿真和实车测试过程中对该技术进行了验证，实验结果表明该技术能够保证自动驾驶汽车在系统没有预先设定的突发场景（如车辆逆行、工程车辆压线超车等）中的驾驶安全性，同时随着车辆的运行和数据的持续采集，驾驶性能能够自动得到进一步提升。这一技术突破有望推动无人驾驶从典型场景示范走向开放道路实际应用，让无人驾驶汽车具备实现普及和大规模商用的可能性。

图 可信持续学习自动驾驶的应用效果

该技术在2022北京科技冬奥自动驾驶示范项目中成功得到了应用。研究团队正在与国内外领军汽车企业和知名的出行厂商合作开展商业化合作，进一步开展大规模无人驾驶开放道路应用示范，以检验该技术在更多行驶场景中的应对能力与自主提升能力，并持续收集无人驾驶测试数据，以满足开放道路无人驾驶可信赖性要求。

研究结果以“利用动态置信度强化学习实现自动驾驶的持续提升”(Continuous improvement of self-driving cars using dynamic confidence-aware reinforcement learning)为题发表在《自然·机器智能》(Nature Machine Intelligence)上。主编及审稿专家认为，强化学习作为强大的AI技术，目前在应用于自动驾驶过程中仍存在可信赖性不足的问题。研究团队提出的方法能够利用强化学习提升自动驾驶性能，同时保障在陌生场景中的安全性，是一项非常有价值且令人信服的工作。

论文第一作者为清华大学车辆学院博士后曹重，通讯作者为车辆学院杨殿阁教授，清华大学江昆老师、美国密歇根大学彭晖教授共同参与了本研究工作。研究得到了国家自然科学基金与清华-丰田联合研究基金专项项目支持。