按照理想狀態(tài)，自動駕駛汽車比人類駕駛的汽車更安全。但現(xiàn)實中，自動駕駛汽車也可能會導致一場災難，而人類司機卻可以輕易避免。幾年來，MIT和豐田研究所正在為一輛高度可靠的自動駕駛汽車設計一種新的架構(gòu)。

　　確保自動駕駛汽車可靠的傳統(tǒng)解決方案使用傳感器監(jiān)控器，直接接收傳感器數(shù)據(jù)，這些監(jiān)控器必須對傳感器數(shù)據(jù)進行解釋，并與主控制器進行比較。安全控制器，或聯(lián)鎖，監(jiān)控環(huán)境，并在事故即將發(fā)生時進行大量的干預。

　　然而，在實踐中，傳統(tǒng)的聯(lián)鎖理論只能到此為止，往往無法進行干預或不必要的干預。在像自動駕駛汽車這樣復雜的系統(tǒng)中，如何確保這種連鎖反應的介入?

　　MIT和豐田研究所的項目采用了一種新方法，為自動駕駛汽車配備與主控制器一樣復雜的感知和情境感知工具，通過經(jīng)過認證的控制來做到這一點。認證控制是自動駕駛汽車的一種新架構(gòu)，它提供了一個小型、可驗證的可信基礎的可能性，而不阻止使用復雜的機器學習算法進行感知和控制。

　　關鍵想法是抓住問題解決方案的高成本和檢查該解決方案的低成本之間的典型差距。主控制器扮演求解者的角色，分析場景并確定合適的下一步，認證者扮演檢查者的角色，確保所提出的步驟是安全的。

　　為了使這種檢查成為可能，主控制器構(gòu)造了一個證書，該證書捕獲它對情況的分析以及建議的操作。主控制器因此被排除在受信任的基礎之外：當它正常工作時，認證者認可它的命令;當它失敗時，認證者將拒絕命令，一個更簡單的控制器將使汽車安全停止。我們設計了一個架構(gòu)來體現(xiàn)這個想法，并在模擬和賽車中展示了它。

　　到目前為止，MIT已經(jīng)探索了兩個復雜解決的例子。第一種方法是通過視覺分析找到車道線。在這種情況下，證書包括一個簽名的相機圖像和一個數(shù)學規(guī)范的所謂的車道線。檢查人員要確保車道線符合標準約定(即平行并保持正確的距離)，并且它們與道路上的標記相匹配，就像攝像機圖像中給出的那樣。MIT已經(jīng)在Open Pilot項目的樣本視頻上測試了這種方法，并表明能夠捕捉車道檢測產(chǎn)生不良結(jié)果的情況。

　　第二種方法是過濾激光雷達數(shù)據(jù)，以去除雪的虛假反射。主控制器應用一種離群點檢測算法，從激光雷達云中移除與雪花相對應的點，并從剩下的點中選擇一組覆蓋前方車道的點，這些點的密度足夠，以確保不會出現(xiàn)大于一定尺寸的障礙物。這個項目由豐田公司提供部分資金。一項描述認證控制的專利在2019年11月26日提交。1月14日，這項專利被授予，專利號為US2021009114A1。

　　根據(jù)專利摘要，介紹了一種自動駕駛汽車認證控制方法：該方法包括分析自駕駛汽車的安全狀況，利用自駕駛汽車的主控制器確定擬采取的車輛控制行動。該方法包括由主控制器向聯(lián)鎖控制器提供所提車輛控制動作，包括所提車輛控制動作的證明。該方法還包括由聯(lián)鎖控制器使用預定義的安全參數(shù)檢查來自該證書的安全認證證據(jù)，從而達到驗證效果。該方法還包括通過低級控制器指揮自動駕駛汽車執(zhí)行經(jīng)過認證的車輛控制動作。

　　下圖展示了在車道跟蹤(使用神經(jīng)網(wǎng)絡分析視覺數(shù)據(jù))和障礙物分析(使用激光雷達過濾積雪)時所展示的認證的視覺版本。

（轉(zhuǎn)載）