盖世汽车讯 据外媒报道，纽约大学坦登工程学院（NYU Tandon School of Engineering）的研究小组发布名为“神经符号元强化前瞻学习（Neurosymbolic Meta-Reinforcement Lookahead Learning，NUMERLA）”的算法，可解决自动驾驶汽车长期存在的问题，即适应不可预测的现实行车场景的同时保证行车安全。

图源自纽约大学坦登工程学院官网

这项研究由纽约大学坦登工程学院电气与计算机工程系副教授Quanyan Zhu及其博士生Haozhe Lei共同完成。人工智能和机器学习可帮助自动驾驶汽车在日趋复杂的场景中行驶，使车辆能在遵守交通规则的情况下，处理来自传感器的大量数据、理解复杂行车环境，并于城市道路上行驶。

然而，当自动驾驶车辆驶出受控环境，进入现实混乱交通环境时，汽车性能可能会出现问题，从而可能导致交通事故。NUMERLA旨在兼容安全性和适应性。该算法可通过不断实时更新安全限制来实现兼容性，确保自动驾驶汽车能够在陌生场景中行驶，同时将安全置于首位。

NUMERLA框架的运作方法如下：当自动驾驶汽车遇到不断变化的环境时，它会通过观察来调整对当前情况的“想法”。在此基础上，该算法会对车辆在特定时间内的表现做出预测。随后算法会搜索相应的安全限制，并将其更新至算法知识库。

自动驾驶汽车行驶策略可通过使用带安全限制的预先查看优化（lookahead optimization）进行调整，最终形成一个次优级但理论上安全的在线控制策略。NUMERLA的一大创新点在于其预先查看符号限制。通过对车辆未来行驶模式进行猜想，并结合符号安全限制，自动驾驶汽车可以随时适应新情况，同时仍将安全置于首位。

研究人员在可模拟城市环境的计算机平台上对该算法进行测试，特别是为了确定它是否有能力应对乱穿马路者。结果发现，该算法在这些场景中表现优于其它算法。