“研究人员开发AI算法选择性记录驾驶场景 缩减自动驾驶测试数据量”

盖亚车信息在自动驾驶车测试中，会生成大量的数据。 据外国媒体报道，多家研究机构和企业合作设立联合项目kissme，目的是减少数据量，节约存储空之间，减少能耗和判断业务，压缩新闻，使车辆更安全。 该项目的英文名称首字母为“artificialintelligencefortheselectivenear-real-timerecordingofscenarioandmanoeuvredatadataduringthetestingofo” 在自动化车辆测试中选择性地实时记录场景和行为数据的人工智能)”，致力于开发基于ai的算法，在驾驶中选择数据，将其分类到场景目录中。

(图片来源: eenewsautomotive )

自动驾驶车装有多个传感器，用于记录车辆的状态和周围环境的新闻，车辆必须根据这些新闻，在尽可能短的时间内做出可靠的驾驶决定。 测试中，车辆行驶数百万公里，必须了解各种场景。 这些场景融合了基础设施、天气和其他道路招聘者及其行为。 每辆汽车每天产生的数据量达到8tb，解决如此庞大的数据量是汽车测试和开发工程师的一大课题。 减少数据量的方法之一是创建驾驶场景目录，并对测试中新出现的场景进行排序。

通过这种方法，测试者只能记录在运行中增加实际价值的数据。 kissme项目的科学家们正在开发ai算法，在运行中选择现有的数据。 这个项目涉及l4到l5的自动驾驶，也就是比较特定驾驶场景的自动驾驶车，以及全自动驾驶机器人出租车。 卡尔斯鲁厄理工大学( kit )车辆系统工程研究所副主任michael frey解释说:“kissme的目标是扩大场景目录，减少数据量。”

kit研究员在城市公共交通工具和德国卡尔斯鲁厄Autonomousdrivingbaden-württemberg ( Tafbw )试验场进行了测试驾驶，还在kit的完善车辆测试台上进行了闭环车辆模拟测试，并进行了闭环车辆模拟测试。 另外，研究人员正在测试项目开发的ai模型和ai选择器，并将合作伙伴开发的算法用于测试和模拟数据。

kissme联合项目由avl组织协调，合作伙伴有kit、夫琅和费高速动力学研究所( Fraunhoferinstituteforhigh-speed dynamics )、恩斯特·马赫研究所) Ernst mach ii 包括fzi新闻技术研究中心、罗伯特·博沃在内的德国经济事务和能源部(宝马I )为kissme项目提供了650万欧元的资助。 该项目将于2021年初启动，研究结果将在三年内公布。