高度自动驾驶功能必须通过仿真进行密集验证。10月26日，保时捷工程公司（Porsche Engineering）宣布，在AVEAS研究项目中，保时捷在利用人工智能从传感器数据中自动检测关键交通情况，并将这些情况存储在数据库中。同时，以此方式生成的路线模型和交通情况也经过多样化处理，以便生成更多的虚拟验证测试案例。
车辆超车并再次驶回时，常常出现留给后车的空间不足的情况。在这种情况下，事故通常很难避免。今天，驾驶员通常通过刹车或规避来防止事故升级。未来的自动驾驶车辆也必须能够在关键时刻安全地做出反应，这就是为什么保时捷已经在仿真中密集地演练这种情景。在这个过程中，工程师们会有意增加危险程度，例如减小车距。保时捷工程公司的人工智能与大数据主管Joachim Schaper博士和仿真负责人Tille Karoline Rupp解释说：“我们正在建立一个完整的危险情景目录，以验证驾驶辅助系统和高度自动化驾驶功能。”
虚拟测试是AVEAS研究项目的一部分（该缩写词来自德语短语Absicherungsrelevante Verkehrssituationen erheben, analysieren, simulieren，意思是“收集、分析、仿真与验证相关的交通状况”），其中除了保时捷工程公司之外，还有20个合作伙伴参与其中，包括研究人工智能的多家弗劳恩霍夫协会（Fraunhofer）研究所。
车辆超车后并入原车道的场景；图片来源：保时捷
AVEAS旨在消除自动驾驶道路上的一个主要障碍：缺乏数据。为了验证高度自动化驾驶的功能，理论上需要数十亿公里的测试里程。由于这将消耗大量的时间和金钱，因此真实的行程需要通过仿真来补充。然而，这在关键交通情况下尤为困难，因为缺乏仿真的真实基础数据，毕竟在正常的交通情况下，这种极限情况很少发生。AVEAS旨在填补这一空白。该项目的目的是自动评估测试驾驶并将关键交通情况准备为仿真场景。
保时捷工程公司为此贡献了许多关键部件。例如，正在为试驾提供的JUPITER（Joint User Personalized Integrated Testing and Engineering Resource，联合用户个性化集成测试和工程资源）测试车辆。这辆测试车配备了摄像头、雷达和激光雷达传感器，并能够将测量的数据发送到云端。保时捷工程公司还负责评估算法自动记录的道路走向、其他道路使用者的位置和其他道路使用者的行为。其中使用的机器学习方法正在被不断完善。
扫一扫关注微信
