盖世汽车讯 据外媒报道，慕尼黑工业大学（TUM）的研究人员开发出全新车辆预警系统。该系统利用人工智能学习了上千种实际交通场景。研究结果显示，该系统应用于自动驾驶汽车时，可发现汽车自身无法检测到的潜在危险情况，并提前7秒向汽车发出警报，精确度超过85%。宝马集团也参与了此次项目的研究。
（图片来源：慕尼黑工业大学）
为了确保未来自动驾驶汽车的安全性，开发工作多使用复杂的模型，从而使汽车可以分析所有交通参与者的行为。但如果模型无法处理复杂或无法预料的情况，会发生什么呢？
TUM慕尼黑机器人与机器智能学院（MSRM）的董事会成员、媒体技术主席Eckehard Steinbach教授及其团队在这一领域取得了突破进展。在过去的场景中，自动驾驶测试车辆在真实路况中进行了极限测试，但通常车辆会有人类驾驶员接管，可能是汽车发出了干预求助信号，也可能是驾驶员出于安全考虑主动干预。得益于人工智能，该系统可学习这些过去的场景。
该技术使用传感器和摄像头捕获周围状况并记录车辆的状态数据，例如方向盘角度、道路状况、天气、能见度和速度。基于循环神经网络（RNN）的AI系统会学习使用数据识别模式。如果该系统在新的驾驶场景中发现某种模式，且过去的控制系统在这种场景下无法进行处理，则会向驾驶员提前发出有关可能危险状况的警报。
Steinbach表示：“为了使汽车更加自动化，许多现有方法研究了车辆目前对交通的理解，并试图改善其使用的模型。新系统的最大优势是完全忽视了汽车的想法。相反，我们基于真实发生事件的数据开发新模式，从而使人工智能发现模式无法识别或尚未发现的潜在危险情况。因此，该系统可提供一种安全功能，发现车辆在何时何地存在隐患。
研究团队与宝马集团在高速公路上对采用该技术的自动驾驶车辆进行了测试，并分析了约2500种驾驶员必须干预的情况。研究表明，人工智能可最多于7秒前预测潜在的危险情况，且精确度超过85%。该技术应用需要大量数据的支持，因为如果场景曾经出现过，则人工智能只能局限于系统进行识别和预测。该研究成员之一Christopher Kuhn表示：“随着越来越多的自动驾驶车辆上路，数据实际会由自己生成。每次的潜在危险情况测试都会带来新的训练示例。”中央数据存储可帮助车辆从整个车队的记录数据进行学习。
