盖世汽车讯 今年年初，英国HumanDrive项目完成了乡间小路和高速公路共计370公里的自动驾驶旅程，项目参与者包括日产、克兰菲尔德大学、利兹大学、日立欧洲公司等。日立开发出一款软件，可感知外部环境，还可通过AI和机器学习，在遇到障碍、限制和行人时，规划最佳安全路径。
日立欧洲首席创新策略师Nick Blake表示，HumanDrive旨在构建一种舒服自然的无人驾驶体验，而非像许多自动驾驶所呈现的“枯燥机器人”，“我们希望可以提高乘客的舒适度和可接受性。”
为此，团队将人工智能和人类智慧进行融合，也就是使用道路数据的同时，还让专业驾驶员对人工智能系统进行培训。日立欧洲公司高级研究员Ioannis Souflas表示：“数据来源于专业测试驾驶员，且将被用来训练汽车，从而使乘员感觉更舒适。
但挑战也随之而来。因为很难获取足够的专业驾驶员在危险境况下的反应数据，毕竟，这是在要求驾驶员将自己置于危险之中。Blake表示：“如果使用人类驾驶数据训练AI模型，我们可以提供正常、安全环境中的良好驾驶数据，但当出现问题时，却没有很多数据可以提供，从而给出解决方案。有关此类的训练数据实在太少。”正如Souflas所说：“不能仅通过直线行驶训练AI左右转向。”
为填补数据空白，因此需要进行模拟测试。Souflas解释说：“通过专业驾驶员，可能无法获得所有边缘情况，但可以在机器学习中设定场景，并扩充数据，从而创建人为的边缘情况。”但是，人类与机器学习驾驶的方式本就不同。大多人在青少年时期，即16或18岁时视力发育完成后，就可以学会驾驶。Souflas说：“那个时候，我们已经具备了良好的感知能力，所以只需学会控制车辆即可。”
解决方案之一是将AI分为四个不同的模块。模块一负责管理感知，从不同的传感器和输入中提取数据；模块二负责使用提取数据和定位数据了解场景；模块三负责计划路线；而模块四负责控制车辆。某些系统可能会将这四个方面全部或部分整合为一个方面，但会通过AI再将其进行拆分。日立通过使用不同模块添加特性和功能，可以模拟各种驾驶环境和样式，还可以在软件中插入严格的验证和安全检查。
Souflas表示，大部分真实数据都已整合到路径规划模块中。Blake称，人们看待事物的方式大致相同，通过地图，我们就能知道自己的所在位置，但这些是事实，而非判断。Souflas补充说：“而路径规划会根据驾驶员行为的不同发生改变，即因人而异，这正是其关键之处。”
模块化AI广受汽车制造商的欢迎。项目表明，汽车制造商并不喜欢“通才”型AI，它就像黑匣子系统一样，决策不透明。如果试驾出现故障，制造商想知道问题出现在哪里，是传感器没能看到路上的物体，还是没能识别是什么，或者是没能绕过去等等问题。Souflas表示：“因此，制造商对使用不透明的技术非常保守。”
而通过拆分每个核心功能，系统可以更轻松地找到故障发生位置并进行修复。 Souflas解释到：“如果感知出现问题，系统就能解决该问题，且无需担心路径规划。”另外，除了能够发现故障所在，系统还会通知车队问题的严重程度，其中问题越接近被操控的车辆，就说明越紧迫。他还说：“若计划或操控部分出现问题，这比感知出现问题更严重，因为它更接近于行动部分。”
而且，通过模块化格式构建AI，可以在其他地方再次利用AI。对日立而言，这项开发工作比无人驾驶汽车要更加广泛。除了汽车领域，如电车和其他机车车辆，这些用于感知、理解和行动的系统还可以用于自动化生产，如，尽管工厂与汽车有着不同的的控制，但传感系统可能一致。日立欧洲汽车与工业实验室负责人Massimiliano Lenardi表示：“系统的模块化可以实现基本技术的多种功能或应用。”
日立还在其Smart Spaces解决方案中使用了部分该技术，其智能传感器能够在公共区域追踪人。Blake表示：“车辆可以沿道路发现物体，这与影像智能技术相同。在这种情况下，传感器可将经过火车站的人分离出来，从而进行追踪。”但Souflas指出，其主要区别是，在汽车中，传感器的处理速度会更快。
模块化的AI意味着可以单独更新系统，这又回到了HumanDrive的核心，即重新引入人类思维以解决无人驾驶汽车过程中遇到的问题。由于GPS在人口稠密地区可能会不堪重负，并导致城市导航困难，因此，日立开发人员要解决的下一个问题是，城市地区导航。
考虑之一的解决方案是训练汽车定位系统，使其可以像人一样环顾四周。大多数人无需智能手机或者地图就能确定自己的位置，仅仅是环顾四周并识别周围的环境。Souflas表示：“我们正在创建可以从视觉特征进行定位的功能，这样会为系统带来冗余，并将AI与传统方法融合，持续改进。”Souflas还补充到：“开发此类AI系统和此智能软件必须添加人类智能。”
