據(jù)外媒報道，加州大學伯克利分校的AI研究人員表示，他們開發(fā)了一種AI技術(shù)，可幫助自動駕駛汽車在陌生的現(xiàn)實世界中行駛，并且其性能優(yōu)于送貨機器采用的導(dǎo)航方法。該導(dǎo)航系統(tǒng)名為LaND（Learning to Navigate from Disengagements），學習脫離（Disengagement）事件的導(dǎo)航系統(tǒng)，然后預(yù)測何時會發(fā)生系統(tǒng)脫離情形。

（圖片來源：https://venturebeat.com）

脫離是指自動系統(tǒng)遇到具有挑戰(zhàn)性的條件，必須將控制權(quán)交還給人工操作員的情形。在衡量自動駕駛汽車系統(tǒng)的能力方面，脫離事件是一個備受爭議的指標，有人稱其已經(jīng)過時。AI研究人員通常將脫離視為故障排除或?qū)Ш较到y(tǒng)調(diào)試的信號，但LaND卻將其作為訓(xùn)練數(shù)據(jù)的一部分。

工程師們表示，通過此種方式，可以讓機器人從測試過程中收集的數(shù)據(jù)集中學習。雖然其他系統(tǒng)直接從機載傳感器收集的訓(xùn)練數(shù)據(jù)中學習，但研究人員表示，這可能需要大量的標注數(shù)據(jù)，而且成本更高。

研究人員表示，“研究結(jié)果表明，LaND可以成功地在各種真實的人行道環(huán)境中學習導(dǎo)航，其表現(xiàn)優(yōu)于模仿學習和強化學習方法。如果機器人能夠成功地學習執(zhí)行動作，避免出現(xiàn)脫離情形，將能成功地完成預(yù)期任務(wù)。重要的是，傳統(tǒng)的強化學習算法使用特定任務(wù)獎勵功能，與傳統(tǒng)的強化學習算法不同，我們的方法根據(jù)脫離信號，推斷任務(wù)，甚至不需要知道任務(wù)是什么。然而，與標準的強化學習算法類似，我們的方法也在不斷改進，會強化避免解除的行為。”LaND利用強化學習，而非尋求獎勵，將系統(tǒng)脫離事件作為直接從輸入傳感器學習的方式，同時考慮方向盤角度，以及是否啟用自動模式等因素。

該團隊通過在人行道上駕駛機器人，收集訓(xùn)練數(shù)據(jù)，來打造LaND。當機器人駛?cè)虢值?、車道或其他布滿障礙物的環(huán)境時，由人類安全駕駛員陪同機器人重新設(shè)定路線，或在短時間內(nèi)接管駕駛。在這一訓(xùn)練期間，研究人員共收集了近35000個數(shù)據(jù)點，生成了近2000個系統(tǒng)脫離場景。

初步實驗表明，與深度強化學習算法和模仿學習的常用方法之一行為克隆相比，系統(tǒng)脫離之前，LaND在人行道上行駛的距離更長。研究人員稱，未來，LaND可與現(xiàn)有導(dǎo)航系統(tǒng)，尤其是導(dǎo)航模仿學習方法相結(jié)合。研究如何讓機器人在需要人工干預(yù)時，提醒操作人員，可以降低成本。