“像婴儿学走路一样 BU提出AV学习新做法以减少所需路测数据”

盖亚汽车信息自动驾驶车由需要大量驾驶数据的机器学习算法支持，可以实现安全驾驶。 但是，如果自动驾驶车能够像婴儿学习走路一样学习驾驶，也就是说能够注意模仿周围的人，所需的驾驶数据就会少很多。 据报道，波士顿大学( boston university，bu )工程师eshed ohn-bar基于上述理论，关注道路上的其他汽车，预测这些车辆对环境的反应，并利用这些新闻进行自主

(图片来源: arxiv/pdf/2106.05966.pdf )

bu工程学院电气与计算机工程助理教授、bu的rafik b. hariri计算与计算科学与工程研究所初级教师ohn-ba、以及bu电气与计算机工程博士生jimuyang zhang，最近于2021年参加了计算机视觉与模式识别会议(其 目前，自动驾驶汽车需要几个小时的驾驶数据来学习安全驾驶方法，但世界上稍大的汽车企业为了避免竞争并没有共享大量的数据。

ohn-bar表示:“任何企业在汽车上安装传感器、聘用司机驾驶汽车、收集数据、教授驾驶汽车等方面的经验都是相同的。 ”。 通过共享驾驶数据，企业可以更快地制造出安全的自动驾驶汽车，社会上的每个人都可以从合作中受益。 ohn-bar表示，人工智能驾驶系统需要大量数据才能正常工作。 这是因为没有一家企业能够独自处理这个问题。

ohn-bar说:“数十亿英里的道路数据就像滴水在现实的事情和多样性上一样。 但是，缺失的数据样本可能会导致不安全的行为和交通事故。 ”研究者提出的机器学习算法通过推断附近其他汽车的视点和盲点来绘制周围环境的鸟瞰图，使自动驾驶车检测到其他汽车、行人等障碍物，防止其他汽车弯曲、协商、通行、碰撞

通过这种方式，自动驾驶车将周围车辆的移动转换为自己的参考帧进行学习。 也就是说，通过他们的机器学习算法，驱动神经互联网。 周围的车辆可能是没有传感器的人驾驶的汽车，也可能是其他企业的自动驾驶汽车。 场景中对周围车辆的注意是算法训练的核心。 因为这个“边看边学”的范式鼓励数据共享，提高自动驾驶车的安全性。

ohn-bar和zhang通过让自动驾驶车在两个虚拟城市行驶，测试了他们的“注意和学习”算法。 在这两个模拟小镇中，一个有着与训练环境相似的直接拐弯处和障碍物，另一个有着像五个方向十字路口那样意想不到的转弯处。 在这两种情况下，研究者们都发现他们的自动驾驶神经互联网很少发生事故，而且只需要一个小时的驾驶数据就可以训练机器学习算法，自动驾驶汽车安全到达目的地的精度达到了92%。

ohn-bar说:“即使是以前最好的方法，学习安全驾驶也需要花几个小时。 令人惊讶的是，按照我们的做法只花了十分钟。 ”。 ohn-bar表示:“虽然实验结果很有前景，但是在解决很多复杂的城市环境方面还有公开的挑战。 考虑到被注意的车辆之间急剧变化的视角、传感器测量中的噪声、遮蔽物、司机的不同，要实现安全驾驶是非常困难的。 ”

小组表示，展望未来，这种教授自动驾驶汽车自动驾驶的做法也可以用于其他技术。 ohn-bar说:“甚至配送机器人和无人机都可以通过注意环境中的其他人工智能系统来学习。”