據(jù)外媒報道，美國卡內(nèi)基梅隆大學（Carnegie Mellon University）的研究人員研發(fā)了一種新標準，用于評估自動駕駛汽車對不斷變化的道路狀況和交通狀況的反應能力，這是首次得以比較感知系統(tǒng)的準確性和反應時間。

圖片來源：卡內(nèi)基梅隆大學

卡內(nèi)基梅隆大學機器人研究所的博士生Mengtian Li表示，學術(shù)研究人員傾向于開發(fā)復雜的算法來準確識別危險，不過可能需要大量的計算時間。相比之下，工業(yè)工程師往往更喜歡簡單、不那么精確的算法，此種算法可能速度快，需要的計算量少，讓車輛能夠更快地對危險狀況做出反應。

因此，卡內(nèi)基梅隆大學教授與伊利諾伊大學厄巴納-香檳分校（the University of Illinois at Urbana-Champaign）的助理教授合作研發(fā)了此種新的度量法——“流感知精確度”（streaming perception accuracy），通過比較感知系統(tǒng)在每一刻的輸出內(nèi)容與真實世界實況信息得以測量出來。

研究人員解釋表示：“當完成對傳感器輸入內(nèi)容的處理后，世界就已經(jīng)發(fā)生改變了。當處理過程發(fā)生時，汽車就已經(jīng)行駛了一段距離。測量流感知的能力為現(xiàn)有的感知系統(tǒng)提供了一個新視角?！备鶕?jù)經(jīng)典的性能衡量定律，性能良好的系統(tǒng)在流感知上可能表現(xiàn)得很差。使用新引入的度量優(yōu)化此類系統(tǒng)則可以讓此類系統(tǒng)的反應性更強。

該團隊的研究發(fā)現(xiàn)，該解決方案并不一定會讓感知系統(tǒng)的運行速度更快，只是偶爾讓其適當?shù)貢和Ｒ幌隆Ｌ^某些幀的處理可以防止該系統(tǒng)越來越落后于實時發(fā)生的事件。

該團隊的另一個發(fā)現(xiàn)是可以在感知處理過程中加入預測方法，就像棒球比賽中的擊球手在認為球?qū)霈F(xiàn)的地方揮棒一樣，一輛汽車也可以預測其他交通工具和行人的一些動作。該團隊的流感知測量法顯示，進行此類預測所需的額外計算并不會影響到預測的準確性，或?qū)е卵舆t。