【51CTO.com快譯】據(jù)報(bào)道，TNO（荷蘭應(yīng)用科學(xué)研究組織）已著手將諸如：道德、法律、規(guī)范、偏好、以及日常場(chǎng)景的理解等，有關(guān)人是如何駕駛的知識(shí)，與諸如控制理論、以數(shù)據(jù)驅(qū)動(dòng)的人工智能（AI）、黑盒算法（DNN）、以及端到端的學(xué)習(xí)等，適合自動(dòng)駕駛的技術(shù)融合到一起。

?[[442571]]??

其中，為了實(shí)現(xiàn)對(duì)通用知識(shí)（collective knowledge）的合理判斷，他們就用到了TypeDB。

舉例來(lái)說(shuō)，機(jī)器是如何及時(shí)將編程的邏輯和實(shí)際環(huán)境結(jié)合并做出判斷。假設(shè)，根據(jù)程序設(shè)定，自動(dòng)駕駛汽車在經(jīng)過(guò)學(xué)校時(shí)應(yīng)該減速通過(guò)。但是，實(shí)際上學(xué)?，F(xiàn)在已經(jīng)關(guān)了，這輛車還需要按照程序，減速通過(guò)嗎？

此外，當(dāng)這輛車遇到諸如一堆樹葉等無(wú)法識(shí)別的東西時(shí)，又該怎么辦呢？根據(jù)默認(rèn)設(shè)置，當(dāng)車輛遇到并不熟悉的事物時(shí)，它一定會(huì)選擇剎車或停止當(dāng)前動(dòng)作。不過(guò)，該團(tuán)隊(duì)成員Willeke發(fā)現(xiàn)，在未來(lái)，他們可以使用TypeDB作為人類和AI的中心知識(shí)節(jié)點(diǎn)，以增強(qiáng)車輛對(duì)于各種復(fù)雜情況的推理能力。

例如，車輛會(huì)做出這樣的推理：“我【車輛】雖然不知道這是什么，但我可以推斷出，它既不是道路交通的參與者（traffic participant），又不是容易受傷、或可以移動(dòng)的物體。目前已是深夜，根據(jù)所處的環(huán)境，我知道周圍并沒(méi)有人，也了解自己的行動(dòng)存在著風(fēng)險(xiǎn)，所以我只需繞過(guò)它，便可繼續(xù)前行。”根據(jù)車輛的這段OS，您是否想起了那個(gè)著名的OODA循環(huán)，即：觀察（Observe）、定位（Orient）、決策（Decide）、行動(dòng)（Act）。而Willeke的工作重點(diǎn)就包含了觀察與決策步驟的推理過(guò)程，并且往往是從態(tài)勢(shì)感知（situational awareness）開始的。

態(tài)勢(shì)感知

環(huán)境感知

以態(tài)勢(shì)感知作為此類認(rèn)知的核心，通常存在三種輸入：關(guān)于汽車領(lǐng)域的基本知識(shí)、來(lái)自各種采集源的傳感器信息、從其他來(lái)源獲取當(dāng)前環(huán)境的信息（例如環(huán)境地圖等）。這些輸入形式有必要采用汽車領(lǐng)域的模式，其中包括有關(guān)基礎(chǔ)設(shè)施、交通法規(guī)、交通標(biāo)志等方面的知識(shí)。下面兩張圖分別以可視化的形式，展示了帶有各種數(shù)據(jù)的汽車域模式子集，以及兩個(gè)在TypeDB中轉(zhuǎn)換為交通規(guī)則，判定允許車輛通過(guò)的例子：

???

???

該模式的另外兩個(gè)輸入包括來(lái)自汽車傳感器的實(shí)時(shí)反饋，以及來(lái)自各種交通預(yù)測(cè)算法、意圖預(yù)測(cè)器和POI（如學(xué)校等興趣點(diǎn)）等其他資源的感知信息。此類信息可以用于描述車輛所處的當(dāng)前環(huán)境，進(jìn)而提高駕駛系統(tǒng)推理規(guī)則了解車輛所處環(huán)境的能力。從下圖中，我們可以看到車載傳感器是如何利用數(shù)據(jù)，計(jì)算出車輛之間的距離、周圍車輛的速度、以及在車道內(nèi)的具體位置。

???

TNO團(tuán)隊(duì)正試圖將所有這些信息結(jié)合起來(lái)，在知識(shí)圖譜中構(gòu)建出各種情境意識(shí)。

對(duì)車輛自身能力的理解和推理

Willeke詳細(xì)地介紹了那些可以用來(lái)判斷所處環(huán)境的預(yù)測(cè)系統(tǒng)，以及使用這些預(yù)測(cè)進(jìn)行自動(dòng)駕駛的相關(guān)決策。下面，我們來(lái)討論在TypeDB中的具體實(shí)現(xiàn)，以及這些預(yù)測(cè)算法和數(shù)據(jù)輸入，是如何在自動(dòng)駕駛中進(jìn)行建模與應(yīng)用的。

???

在環(huán)境模型中，TNO在本體模型（ontology）里設(shè)定了各種特征不確定性、預(yù)測(cè)值、重要性（importance）、可見性（visibility）、以及懷疑程度（doubt）等指標(biāo)，以協(xié)助AI了解車輛所處的情況，進(jìn)而采取安全有效的行動(dòng)。

其中，重要性是由領(lǐng)域?qū)＜裔槍?duì)車道變換的相關(guān)知識(shí)、以及實(shí)體（道路上的車輛）之間距離等重要性采取的編碼。懷疑程度是不確定性的度量，其中包括未知的物體、顯著特征不確定性、低可見度、以及分類器的不確定性等維度。在下圖中，我們可以看到這些屬性和實(shí)體是如何在TypeDB中通過(guò)建模，以便車輛在路上行駛，并在遇到不確定路況時(shí)，如何對(duì)算法的實(shí)時(shí)數(shù)據(jù)和輸出進(jìn)行推理，以便做出下一個(gè)判斷的。

???

那么如何將上述理論應(yīng)用到實(shí)踐中呢？下圖以數(shù)據(jù)實(shí)例化的形式，討論了這樣一個(gè)模型場(chǎng)景：您的汽車正在接近一輛卡車，自動(dòng)駕駛系統(tǒng)需要決定是改變車道并超越卡車，還是直接交給人類司機(jī)進(jìn)行邏輯判斷。

???

行動(dòng)指令

動(dòng)作選擇

系統(tǒng)到底如何判定是超車還是把方向盤交給駕駛員，動(dòng)作選擇綜合分析了上述TypeDB中的建模、機(jī)器學(xué)習(xí)、以及規(guī)劃器（planner）的信息。對(duì)此，我們需要深入了解車輛所執(zhí)行的具體操作、以及為何做出決策與判斷。

在這種類型的決策中，我們希望根據(jù)當(dāng)前情況采取行動(dòng)：制動(dòng)，加速，切換車道，并且我們希望快速做到這一點(diǎn)。

TNO團(tuán)隊(duì)通過(guò)從車輛中獲取的傳感器數(shù)據(jù)，并使用狀態(tài)和動(dòng)作信息，對(duì)其進(jìn)行編碼，以完成針對(duì)其自研算法的訓(xùn)練。同時(shí)，機(jī)器學(xué)習(xí)算法也會(huì)通過(guò)逆強(qiáng)化學(xué)習(xí)（inverse reinforcement learning），為當(dāng)前給定狀態(tài)的每個(gè)動(dòng)作提供評(píng)分。

接著，他們將這些動(dòng)作及其評(píng)分，提供給起到最終決策作用的蒙特卡洛樹搜索（Monte Carlo Tree Search，MCTS）規(guī)劃器。當(dāng)然，由于MCTS需要?jiǎng)?chuàng)建一個(gè)包含了所有可能動(dòng)作的樹，因此其整體成本比較高。為了降低此類成本，并提高規(guī)劃器的效率，TypeDB再次提供了相關(guān)解決方案。

他們使用TypeDB去存儲(chǔ)和推理參與者（即車輛）的動(dòng)作、周邊信息、以及交通預(yù)測(cè)等上下文環(huán)境。通過(guò)減少那些需要MCTS過(guò)濾的可能性操作，他們成功地在實(shí)時(shí)工作場(chǎng)景中，對(duì)搜索樹進(jìn)行了縮減，提高了決策的制定效率和速度。

最后，他們還通過(guò)查詢車輛、動(dòng)作、法律、以及安全評(píng)分三者之間的推斷關(guān)系，使用TypeDB的相關(guān)規(guī)則，篩選出了各種可能性的動(dòng)作，并發(fā)送給規(guī)劃器。

小結(jié)與展望

通過(guò)上述討論，我們簡(jiǎn)要地介紹了一種具有自我感知并結(jié)合了AI的自動(dòng)駕駛判斷方法。該方法使用汽車周圍的環(huán)境信息，來(lái)提高行為推斷的能力。通過(guò)構(gòu)建這種態(tài)勢(shì)感知的混合方法，車輛可以在真實(shí)世界中，面對(duì)各種未知的情況，降低自動(dòng)駕駛的各種潛在風(fēng)險(xiǎn)。

目前，TNO團(tuán)隊(duì)計(jì)劃在TypeDB中迭代該模型，希望為上下文環(huán)境添加更多的結(jié)構(gòu)，以便能夠使用更高級(jí)別的推理規(guī)則，來(lái)智能地推理出其他復(fù)雜的場(chǎng)景。此外，他們還將不斷地改進(jìn)評(píng)估能力，以增加更多針對(duì)車輛的自動(dòng)化功能，打造更加豐富的動(dòng)作場(chǎng)景。

譯者介紹

陳峻 （Julian Chen），51CTO社區(qū)編輯，具有十多年的IT項(xiàng)目實(shí)施經(jīng)驗(yàn)，善于對(duì)內(nèi)外部資源與風(fēng)險(xiǎn)實(shí)施管控，專注傳播網(wǎng)絡(luò)與信息安全知識(shí)與經(jīng)驗(yàn)；持續(xù)以博文、專題和譯文等形式，分享前沿技術(shù)與新知；經(jīng)常以線上、線下等方式，開展信息安全類培訓(xùn)與授課。

原文標(biāo)題：Using TypeDB for Autonomous Vehicles，作者：Daniel Crowe

【51CTO譯稿，合作站點(diǎn)轉(zhuǎn)載請(qǐng)注明原文譯者和出處為51CTO.com】