盖世汽车讯 驾驶过程既枯燥又危险。自动驾驶汽车（AV）有望帮助人们节省时间，并减少交通事故。据外媒报道，马里兰大学（University of Maryland）土木与环境工程系副教授、马里兰交通研究所所长Xianfeng “Terry” Yang正致力于让这项技术真正达到上路行驶的标准，利用强化学习通过训练自动驾驶“驾驶员”来应对各种危险状况。

图片来源： 马里兰大学

Yang表示：“自动驾驶汽车不会犯人为错误，也不会分心。但它们确实也存在自身的问题。”

他的实验室利用人工智能，旨在最大限度地提升自动驾驶汽车在道路交通系统中的运行效率。与此同时，Yang及其团队也在着手解决该技术所面临的一些问题，其中包括一些关键的“短板”——即自动驾驶汽车在面对需要瞬间做出、且可能关乎生死的决策时，往往缺乏足够的训练。

与交通系统协同，实现更快捷的出行

随着技术的日趋成熟，自动驾驶汽车（AV）最终或许能够直接与交通流量管理系统进行通信。Yang正致力于帮助自动驾驶汽车利用所接收到的信息来缩短行程时间。他举例说，如果掌握了繁忙主干道上红绿灯的切换时间，自动驾驶汽车便能调整其行驶轨迹，从而避免停车。

“它可以进行计算：如果车辆将速度降低每小时5英里，那么当它抵达路口时，信号灯正好会从红灯变为绿灯，”他说道。

他的团队采用了“强化学习”——这是一种人工智能技术，算法通过不断尝试与纠错来提升自身性能——以此让自动驾驶汽车学会做出此类调整。

速度固然重要，但安全才是重中之重。自动驾驶汽车（AV）有望大幅减少交通事故，进而降低由此造成的人员伤亡。

然而，像Yang这样的研究人员首先必须解决自动驾驶汽车目前存在的缺陷。在美国国家科学基金会的支持下，他实验室开展的各项研究旨在更好地模拟自动驾驶汽车在冰雪路面上的表现，并使其能够利用路侧传感器提供的信息来识别危险。

该团队还致力于让自动驾驶汽车能够应对那些罕见但可能致命的情境。自动驾驶汽车所接受的标准训练涵盖了道路上绝大多数常见状况，但并非面面俱到。它可能会遗漏一些极端情况，例如恶劣天气、行人或骑行者难以预测的行为，亦或是无法避免的碰撞事故。

Yang 实验室的研究生 Dianwei Chen 使用大型语言模型来识别潜在的边缘情况场景；然后，他在 CARLA（基于虚幻引擎构建的开源 3D 驾驶模拟器）中验证并复制它们。Chen利用强化学习寻找防止这种情况发生的方法，如果碰撞不可避免，则寻找尽量减少伤害和损失的方法。

“我们想要定义问题，然后解决它，而不是等到问题发生在路上，”Chen表示。 “这就是我的最终目标。”