卡內基梅隆大學(Carnegie Mellon University)的研究人員開發了一種新的測量方法，用以評估自動駕駛汽車對不斷變化的路況和交通狀況的反應如何，第一次使得人們能夠測評各種不同的自動駕駛系統，主要在路況感應的準確性和反應時間兩個方面。
機器人研究所博士生李夢天(音)說，對于自動駕駛技術來說，不同機構的技術路線不同。學術研究人員傾向于開發復雜的算法，能夠準確識別危險，但可能需要大量的計算時間。相比之下，工業工程師傾向于選擇簡單、精度較低的算法，這些算法速度快、計算量少，因此車輛能夠更快地對危險做出反應。
然而到目前為止，還沒有一個系統的測量方法來平衡準確度和延遲時間——事件發生與感知系統識別事件之間的延遲。由于缺乏適當的度量標準，因此很難比較不同系統的優劣。
這項被稱為“交通流感應準確度”的新指標是由李孟天、機器人研究所副教授德瓦·拉曼南、伊利諾伊大學香檳分校助理教授王宇雄(音)共同研發的。他們在上個月的歐洲虛擬計算機視覺會議上進行宣講，并獲得最佳論文獎。
新指標是通過比較感知系統每一時刻的輸出與路面的真實狀態來衡量的。
“當你處理完來自傳感器的輸入時，路面狀況已經發生了變化，”李解釋說，在處理過程中，汽車已經行駛了一段距離。
拉曼南說：“新指標為現有的感應系統提供了一個新的視角。現在，即使是良好的交通流感應系統，性能可能會很差。使用新引入的指標優化此類系統，可以使它們的反應更加靈敏。
研究小組的一個重要的發現是，解決方案不一定是讓感應系統運行得更快，而是偶爾適時地暫停一下。拉曼南補充說，跳過某些幀的處理可以防止系統越來越落后于路面實時事件。
另外一個重要技術是在感知過程中加入預測。
就像棒球中的擊球手在他們認為球應該在的地方揮桿——而不是球在哪里——車輛可以預測其他車輛和行人的一些動作。測量表明，進行這些預測所需的額外計算不會顯著損害準確性或造成延遲。
這項研究同時得到了卡內基梅隆大學和Argo自主車輛人工智能研究中心及國家的雙重支持。
注：卡耐基梅隆大學(CMU)，Carnegie Mellon University，擁有世界頂尖的計算機科學學院，是當代自動駕駛技術的發源地。
