卡内基梅隆大学(Carnegie Mellon University)的研究人员开发了一种新的测量方法，用以评估自动驾驶汽车对不断变化的路况和交通状况的反应如何，第一次使得人们能够测评各种不同的自动驾驶系统，主要在路况感应的准确性和反应时间两个方面。

机器人研究所博士生李梦天(音)说，对于自动驾驶技术来说，不同机构的技术路线不同。学术研究人员倾向于开发复杂的算法，能够准确识别危险，但可能需要大量的计算时间。相比之下，工业工程师倾向于选择简单、精度较低的算法，这些算法速度快、计算量少，因此车辆能够更快地对危险做出反应。

然而到目前为止，还没有一个系统的测量方法来平衡准确度和延迟时间——事件发生与感知系统识别事件之间的延迟。由于缺乏适当的度量标准，因此很难比较不同系统的优劣。

这项被称为“交通流感应准确度”的新指标是由李孟天、机器人研究所副教授德瓦·拉曼南、伊利诺伊大学香槟分校助理教授王宇雄(音)共同研发的。他们在上个月的欧洲虚拟计算机视觉会议上进行宣讲，并获得最佳论文奖。

新指标是通过比较感知系统每一时刻的输出与路面的真实状态来衡量的。

“当你处理完来自传感器的输入时，路面状况已经发生了变化，”李解释说，在处理过程中，汽车已经行驶了一段距离。

拉曼南说：“新指标为现有的感应系统提供了一个新的视角。现在，即使是良好的交通流感应系统，性能可能会很差。使用新引入的指标优化此类系统，可以使它们的反应更加灵敏。

研究小组的一个重要的发现是，解决方案不一定是让感应系统运行得更快，而是偶尔适时地暂停一下。拉曼南补充说，跳过某些帧的处理可以防止系统越来越落后于路面实时事件。

另外一个重要技术是在感知过程中加入预测。

就像棒球中的击球手在他们认为球应该在的地方挥杆——而不是球在哪里——车辆可以预测其他车辆和行人的一些动作。测量表明，进行这些预测所需的额外计算不会显著损害准确性或造成延迟。

这项研究同时得到了卡内基梅隆大学和Argo自主车辆人工智能研究中心及国家的双重支持。

注：卡耐基梅隆大学(CMU)，Carnegie Mellon University，拥有世界顶尖的计算机科学学院，是当代自动驾驶技术的发源地。