蓋世汽車訊 好的駕駛員能預見危險的情況，並提前調整駕駛。據外媒報導，波恩大學（University of Bonn）研究人員開發了一種算法，能幫助自動駕駛汽車預測未知的危險。研究人員還將提供數據集，用於培訓和測試其方法，將使今後開發和改進這類過程更加簡單。
（圖片來源：波恩大學官網）
我們在駕駛時經常遇到這樣的情況：空無一人的街道兩旁停著一排汽車，並無任何危險跡象。但是停放的車輛後面有一條小街。這時，我們會減速，以免撞到從小街過來的人。正確地解釋這一情形，並得出正確的結論需要大量的經驗。相比之下，自動駕駛汽車有時表現得像初學者。計算機科學家Jurgen Gall教授解釋說，「我們的目標是使自動駕駛汽車能預測危險情況，以便更快地做出反應。」
Gall是波恩大學計算機視覺工作組的主席，該工作組與攝影測量研究所的同事，以及自動智能系統工作組合作，正在研究解決這一問題的方法。科學家們提出了實現這一目標的第一步。Gall 解釋說，「我們已經優化了我們的算法，以補充和解釋雷射雷達數據，使汽車能夠在早期階段預測潛在的危險。」
雷射雷達是安裝在大多數自動駕駛汽車車頂的旋轉雷射。雷射光束被周圍環境反射，雷射雷達系統測量光反射到傳感器上的時間，並利用這段時間計算距離。Gall解釋稱，「該系統每轉一圈，就能探測到車輛與周圍12萬個點之間的距離。」
但是，隨著距離的增加，測量點之間的距離會變大，就如在氣球上畫一張臉，當充氣時，眼距會越來越大。因此，即使是人類，也幾乎不可能從一次雷射雷達掃描（即一次旋轉的距離測量）中獲得對周圍環境的準確認識。攝影測量研究所的Jens Behley博士解釋說，「幾年前，卡爾斯魯厄大學（KIT）總共進行了43000次掃描，記錄了大量的雷射雷達數據。現在，我們已經從幾十次掃描中提取了序列，並將其疊加在一起。」通過此種方式獲得的數據還包含傳感器在車輛駛出幾十碼時記錄的點。簡而言之，這些不僅顯示了現在的狀況，也表明了未來的情形。
計算機科學研究所在讀博士Martin Garbade強調說，「這些疊加的點雲包含了重要的信息，比如場景的幾何形狀，及其其中物體的空間尺寸，而進行一次掃描並不能獲得這些信息。此外，我們還標記了每一個點，例如人行道、行人和騎摩託車的人等。」科學家為其軟體輸入一對數據：一次雷射雷達掃描數據作為輸入，包括所需語義信息的相關疊加數據作為輸出。他們對數千對數據重複了這一過程。
Gall教授解釋說，「在該訓練階段，算法學會了補全和解釋單次掃描。這意味著它可以添加缺失的測量值，並解釋掃描結果。」場景補全過程可以正確補全大約一半的缺失數據。而語義解釋，即推斷哪些物體隱藏在測量點後面，結果並不理想，計算機的最高準確率僅為18%。
然而，科學家們認為這一研究分支仍處於起步階段。Gall強調，「到目前為止，只是缺少大量的數據集來訓練相應的AI方法。我們的工作正在縮小差距。我認為，在未來幾年，我們能將提高語義解釋的準確率提高到50%。」這可能會對自動駕駛的性能產生巨大影響。