可避免的灾难:Uber自动驾驶撞人案细节曝光,我们离真正的“无人驾驶”还有多久?

文章头图

 

“2018 年 3 月 18 日晚上,自动驾驶汽车在亚利桑那州坦佩市以 43.5 英里/小时(约 70 公里/小时)的速度进行自动驾驶道路测试。49 岁的 Elaine Herzberg 正推着单车横过马路,她离最近的人行横道约 109 米。事故发生前 5.6 秒,自动驾驶系统首次「看」到 Herzberg。但此时不可避免的导致Elaine Herzberg被撞倒,抢救后无效死亡”

 

无人驾驶

 

这是近几年来全球所发生的首例无人驾驶车辆所导致的死亡事故,当时各媒体竞相报道:

 

无人驾驶

 

而Uber官方也在事故发生后,暂停了所有测试。分析人士认为,此次车祸的发生,可能会让此前如火如荼的自动驾驶车发展势头被猛然泼上一盆冷水,那这次车祸Uber自动驾驶是否要承担所有责任?它又会在何种程度上,影响未来自动驾驶的走向?

 

去年这块传统汽车公司及其供应商、科技公司都想分一杯羹的兵家必争之地,却因为这次事故让整个行业陷入停滞。

 

在 Uber 自动驾驶测试汽车撞死路人的 20 个月后,美国国家运输安全委员会(NTSB)公布了一个让人感到不安的发现 —— Uber 的自动驾驶系统「看」到了推着单车过马路的受害者,但由于当事人并不在斑马线上,系统无法识别出她是人。但不幸的是,一系列的软件设计缺陷使得系统在撞向行人的前 0.2 秒才作出反应,但一切为时已晚,事故不可避免地发生了。

 

无人驾驶

▲Uber 自动驾驶测试车硬件搭载外部视图 | NTSB 官方文件

 

NTSB 在报告中详细地给出了精确到秒的时间线,以说明 Uber 自动驾驶系统的软件在车辆不断靠近行人的过程中是如何思考的。当时 Elaine Herzberg 正推着自行车横穿一条多车道的马路,而她并没有遵守交通规则,沿着人行横道通过。

  • 距离碰撞还有 5.2 秒,系统将其判定为「其他」物体;
  • 距离碰撞还有 4.2 秒,Elaine 被识别为「车辆」;
  • 碰撞前 2.7~3.8 秒,系统对 Elaine 的识别结果在「车辆」和「其他」之前摇摆不定;
  • 距离碰撞还有 2.6 秒,系统将 Elaine 和她的自行车识别为「自行车」;
  • 距离碰撞 1.5 秒,Elaine 被系统识别为「未知」;
  • 距离碰撞 1.2 秒,她又变成了「自行车」。
从这些描述中可以得到两点重要信息

  • 在任何时间节点,系统都没有将 Elaine Herzberg 判定为「行人」。NTSB 表示,「软件系统设计中并没有考虑到不守规则、横闯马路的行人。」
  • 频繁更改对 Elaine Herzberg 识别的结果导致 Uber 的自动驾驶系统无法准确地计算出它的行驶轨迹,同时也没有意识到她处在与车辆碰撞的路线中。按理说,无人车在识别到有物体进入它的行驶路线之后,即便不确定这个物体是什么也应该主动进行刹车。然而 Uber 的软件设计逻辑并非如此。在探测到目标物之后,系统通过物体之前的位置来推算出其速度以及可能的行动轨迹。「然而,假设感知系统对目标物的识别结果改变后,相应的对它行动轨迹的推测也会重新来过。」NTSB 报告指出。
因此, 能高效和准确的预测环境以及面对周围动态障碍物未来行为和轨迹的跟踪和预测。是智能系统(如自动驾驶汽车,移动机器人等)不可获取的高质量的决策和规划。 
来自加州大学伯克利分校的导师,通过在本田硅谷研究院的工作经验,在课题中将带领你:

  1. 学习了解机器学习和计算机视觉的相关知识
  2. 通过这些知识构建智能体的感知和预测系统
  3. 利用已学的相关算法和方法,进行详细的分析与改进研究
  4. 在导师的指导下发表论文

相关学科

计算机视觉     自动驾驶  

统计学      应用数学    

计算机    人工智能     机器学习 

 

导师:加州大学伯克利分校 博士

现于加州大学伯克利分校机器人专业攻读博士学位,并担任助理研究员

同时兼任本田硅谷研究院计算机视觉与行为预测研究实习

研究方向主要为计算机视觉、机器学习等相关算法及应用

曾在多个顶尖国际会议与期刊中发表论文,担任IEEE多个期刊与会议审稿人

 

课题研究方法

AI+X数据驱动型科研

 

AIX数据驱动型科研是指使用人工智能(AI)算法,收集、处理、分析具体学科(X)的海量数据,并基于此进行预测,从而获得科学发现的研究方法。与传统的、基于实验或逻辑推理的研究方式相比,AI+X数据驱动型科研可以借助AI算法强大的运算能力,高效地进行大数据分析,具有投入产出比高、适用范围广的优点。AI+X数据驱动型科研已被广泛地应用于各个领域,利用AI算法研究基因数据,从而进行早期的癌症筛查便是其中一例。基因组与癌症病患的数据千千万万,使用传统的科研方式对其进行分析,工程量大、过程繁琐,在客观上难以实现。但借助AI算法这一便捷的工具,生命科学家便能够以海量的患者的遗传信息为基础,建立数据库,与过往的研究成果进行对照,快速、准确地在两者中发现规律、建立联系,从而使癌症诊断的“标准化”成为可能。
整个科研教学流程中,每一位学员都将有学术督导协助保障研究阶段性作业和论文的进度,确保取得研究成果。
 

科研课题成果

 

成果1:在英文期刊中发表学术论文
有方学者项目保证为学员在正规的英文学术期刊中发表论文。正规的学术期刊均要求由独立审稿人决定论文的录用与否。因此,论文的成功发表标志着这篇文章已达到学界公认的学术标准。有方学者最优秀的学生,不但可以冲击EI、SCI等高级别期刊,而且有机会参与全球顶级的学术会议。
成果2:第一作者身份
有方学者项目坚持帮助学生以第一作者身份发表论文。在申请过程中,招生官最看重的是学生在科研项目中的参与程度,而第一作者顺位恰恰是这一点的最佳证明。近年来,有大量的中国学生在教授署名的论文中挂名,这使得第一作者身份的含金量更为突出
成果3:高效备战具有高影响力、高含金量的科研竞赛
学生可以直接使用有方学者项目的成果论文冲击多项全球顶级的科研赛事,其中包括:被誉为“中国青年的诺贝尔奖”的丘成桐科学奖、谷歌科学奖和达特茅斯大学举办的ISEC论文比赛。
成果4 :独一无二的课题
有方学者项目的导师会为每个学生提供独一无二的课题,连接最前沿的科研方法和学生感兴趣的学术方向,保证学生研究内容的差异性。
成果5:美国TOP30院校导师的推荐信
有方学者项目将为学生提供项目导师撰写的推荐信。导师作为推荐人,来自于美国顶尖学府的科研团队,保证了推荐信的可信度;而导师所提供的丰富的细节和生动的描述能更好展现学生的过人之处,从而大大提高了推荐信的价值。

想要获取详细课题大纲

扫描二维码

关注有方背景提升

有房订阅号