在自动驾驶汽车(AVs)的生产竞争中，安全是至关重要的，但有时也会被忽视，最近的头条新闻就是例证。伊利诺伊大学香槟分校(University of Illinois at Urbana-Champaign)的研究人员正在使用人工智能(AI)和机器学习技术，通过软件和硬件的进步来提高自主技术的安全性。
“使用人工智能来改进自动驾驶汽车是非常困难的，因为汽车的电气和机械部件非常复杂，而且外部条件的可变性，如天气、道路条件、地形、交通模式和照明，”Ravi Iyer说
“目前正在取得进展，蓝冠总代分析但安全仍是一个重大问题。”
该集团开发了一个平台，使企业能够在复杂和不断变化的自主技术环境中更快、更经济地解决安全问题。他们正在与湾区的许多公司合作，包括三星(Samsung)、英伟达(NVIDIA)和一些初创企业。
“我们看到，各行各业和大学都在进行利益相关者的努力，有数百家初创企业和研究团队，我们团队正在应对一些挑战，”领导该项目学生努力的计算机科学博士生Saurabh Jha说。“解决这一挑战需要跨越科学、技术和制造业的多学科努力。”
这项工作如此具有挑战性的一个原因是，AVs是使用人工智能和机器学习来集成机械、电子和计算技术来做出实时驾驶决策的复杂系统。典型的AV是一个微型超级计算机;它们有50多个处理器和加速器，运行超过1亿行代码，以支持计算机视觉、规划和其他机器学习任务。
正如预期的那样，这些车辆的传感器和自动驾驶堆栈(计算软件和硬件)存在问题。当一辆汽车在高速公路上以每小时70英里的速度行驶时，故障对司机来说可能是一个重大的安全风险。
Jha解释说:“如果一辆普通汽车的驾驶员感觉到了诸如汽车漂移或拉力等问题，他/她可以调整自己的行为，引导汽车到一个安全的停车点。”“然而，在这种情况下，自动驾驶汽车的行为可能是不可预测的，除非自动驾驶汽车明确针对这些问题进行了培训。”在现实世界中，这样的例子数不胜数。”
传统上，当一个人在电脑或智能手机上遇到软件问题时，最常见的IT反应是关闭和重新打开设备。然而，这种类型的修复不适合AVs，因为每一毫秒都会影响结果，而缓慢的响应可能会导致死亡。在过去的几年里，由于AVs引发的各种事故，利益相关者对这种基于人工智能的系统的安全担忧有所增加。
“目前的规定要求优步(Uber)和Waymo等在公共道路上测试车辆的公司，每年向加州车辆管理局(DMV)汇报车辆的安全性，”CSL和计算机科学专业的研究生苏布奥·班纳吉(Subho Banerjee)说。“我们想了解常见的安全问题，汽车的性能如何，以及理想的安全标准是什么，以了解如何设计它们。”
该组织分析了2014年至2017年提交的所有安全报告，其中包括144辆AVs，累计行驶1116605英里。他们发现，在行驶相同里程的情况下，人类驾驶的汽车发生事故的可能性是普通汽车的4000倍。这意味着，自动驾驶技术以惊人的速度未能妥善处理情况，并脱离技术，往往依靠人类司机来接管。
研究人员和公司在改善这些数据时遇到的问题是，除非自动驾驶汽车系统有一个特定的问题，否则很难训练软件克服它。
此外，软件和硬件栈中的错误仅在某些驾驶场景下表现为安全关键问题。换句话说，在高速公路或空旷/不太拥挤的道路上进行的AVs测试可能不够，因为软件/硬件故障下的安全违规情况很少。
当错误确实发生时，它们是在行驶了数十万英里之后发生的。为了测试这些AVs，需要花费大量的时间、金钱和精力，这使得测试过程非常低效。该团队正在使用计算机模拟和人工智能来加速这一过程。
“我们将自动驾驶汽车的软件和硬件堆栈中的错误注入到计算机模拟中，然后收集自动驾驶汽车对这些问题的响应数据，”Jha说。“与人类不同，如今的人工智能技术无法对不同驾驶场景中可能出现的错误进行推理。因此，蓝冠主管需要大量的数据来教会软件在面对软件或硬件问题时采取正确的行动。”
该研究小组目前正在构建技术和工具，以生成最大程度影响AV安全的驾驶条件和问题。使用他们的技术，他们可以找到大量的安全关键场景，在这些场景中，错误可以导致事故，而不必列举道路上的所有可能性——这节省了大量的时间和金钱。
在对一种公开可用的反病毒技术——来自百度的Apollo——的测试中，该团队发现了500多个例子，说明该软件在处理问题时出现故障并导致事故。这样的结果让这个团队的工作得到了业内的关注。他们目前正在为他们的测试技术申请专利，并计划很快实施。理想情况下，研究人员希望公司使用这种新技术来模拟识别出的问题，并在汽车部署之前解决问题。
“自动驾驶汽车的安全性对它们在市场和社会上的成功至关重要，蓝冠集团”英伟达(NVIDIA)建筑研究副总裁史蒂夫·克克勒(Steve Keckler)说。“我们希望伊利诺斯州研究小组正在开发的技术能让工程师们更容易地以更低的成本开发出更安全的汽车系统。”英伟达对我们与伊利诺伊州的合作感到兴奋，并很高兴支持他们的工作。”