“自动驾驶汽车安全性可扩展测试平台”

在制造自动驾驶车( av )的竞赛中，安全很重要，但有时会被忽视，例如最近发生的头条新闻事故等。 伊利诺伊大学香槟分校的研究人员采用了人工智能( ai )和机器学习，以便通过软件和硬件的进步来提高自主技术的安全性。

拉维耶尔( ravi iyer )表示，由于汽车电气和机械零部件的数量和复杂性、天气、道路状况、地形、交通模式、照明等外部条件的变化，用ai改善自动驾驶车非常困难。

虽然有进步，但安全仍然是一个重大问题。

该团队开发了一个平台，使企业能够在众多复杂多变的自主技术环境中更快、更经济地处理安全问题。 他们与海湾地区的许多企业合作，包括三星、nvidia和多家初创企业。

获得计算机科学博士学位的候选人索拉布贾说:“我们看到拥有数百家新兴企业和研究团队的领域和大学在利益相关者的范围内努力，应对我们团队中的一点点挑战。” 。 要应对这一挑战，需要在科学、技术和制造行业的多个领域进行合作。

这项工作之所以如此具有挑战性，一个原因是av是利用ai和机器学习整合机器，利用电子和计算技术进行实时驾驶决策的众多复杂的系统。 典型的视听设备是滑轮的微型计算机。 他们有50多个解决方案和加速器，运行1亿多行代码，支持计算机视觉、计划和其他机器学习任务。

与预想相反，这些车辆的传感器和自动驾驶堆栈(计算软件和硬件)备受关注。 汽车以每小时70英里的速度在高速公路上行驶时，故障可能会对驾驶员构成重大的安全风险。

贾赫解释说，如果普通汽车司机感到车辆漂移或牵引力等问题，司机可以调整其行为，将车辆引导到安全的停车场。 但是，在这种情况下，除非为了应对这样的问题而对自动驾驶车进行特定的训练，否则自动驾驶车的行为可能是无法预测的。 在现实世界中，这种情况的数量是无限的。

以前，如果在计算机或高端智能手机上使用软件时遇到问题，最常见的it响应是关闭设备并重新启动。 但是，不推荐在av中使用这种类型的修复方法。 因为每毫秒都会影响结果，如果响应慢就会死亡。 由于av引起的各种事故，近几年来，对这种基于ai的系统的安全性越来越感兴趣。

csl和计算机科学研究生subho banerjee表示，现行法规要求像uber和waymo这样的企业在公共道路上测试车辆，并每年向加州dmv报告车辆的安全性。 我们想知道了解常见的安全问题、汽车性能及其设计水平的理想安全指标是什么。

该集团拆除了-年提交的所有安全报告，覆盖144辆自动驾驶车，累计行驶1，116，605英里。 他们发现，在相同行驶距离行驶的情况下，人类驾驶汽车发生事故的可能性比自动驾驶车少4000倍。 这意味着自主技术以惊人的速度妥善解决情况，不能脱离该技术，往往依靠司机来接管。

研究人员和企业在提高这些数字时面临的问题是，在自动驾驶汽车系统出现用户提问之前，为了克服这个问题而训练软件并不容易。

此外，软件和硬件堆栈错误仅在特定的运行情况下显示为安全关键问题。 换言之，在高速公路或空宽敞/拥挤的人行道上的自动驾驶车上进行的测试可能不够，因为很少因软件/硬件故障而违反安全规定。

确实发生错误的时候，错误是在行驶了几十万英里之后发生的。 在数十万英里的范围内测试这些av需要很多时间、金钱和精力，这个过程非常低效。 这个团队正在采用计算机模拟和人工智能来加速这个过程。

贾赫说:“我们通过计算机模拟向自动驾驶车的软件和硬件堆栈注入错误，收集自动驾驶车对这些问题的响应数据。 与人类不同，当今的ai技术无法推断出不同驾驶场景下可能发生的错误。 因此，为了指导软件来处理软件和硬件问题，需要大量的数据。

该研究小组目前正在建立技术和工具以产生最大程度地影响视频安全性的驾驶条件和问题 采用他们的技术，不用列举道路上的所有可能性，就能发现错误可能导致事故的许多安全关键情况，从而大大节约了时间和成本。

在测试公开的音视频技术(度娘apollo )时，团队发现了500多个样本，证明了软件是什么时候无法应对问题，失败后引发事故的。 这样的结果，该集团的工作备受业界关注。 他们现在正在申请他们的测试技术的专利，计划马上引进。 理想情况下，公司希望采用这项新技术来模拟发现的问题，并在部署汽车之前处理这些问题。

nvidia架构研究副总裁steve keckler表示，自动驾驶车的安全性对市场和社会的成功至关重要。 伊利诺伊州研究小组开发的技术，希望工程师能更容易地以更低的价格开发更安全的汽车系统。 nvidia对与伊利诺伊州的合作感到兴奋，并愿意支持他们的工作。

本文：《“自动驾驶汽车安全性可扩展测试平台”》