近日，清華大學車輛與運載學院楊殿閣教授團隊提出了自動駕駛“可信持續進化”技術，該技術有望解決公眾對於無人駕駛大規模商用安全性的擔憂，實現在任何場景下，無人駕駛汽車即使沒有預先設定的應對方案，也能自主學習應對該場景並保證行駛安全。

　　安全性是自動駕駛技術最核心的命題，盡管目前自動駕駛汽車已經具備了在一些特定典型場景中示範無人駕駛運行的能力，但不斷出現的自動駕駛汽車事故仍舊使公眾對於無人駕駛大規模商用的可能性產生質疑。開展更多的自動駕駛測試和示範終究無法完全消除這一疑慮，真正突破這一瓶頸需要自動駕駛汽車在設計時就能保證，麵對突發情況時，即使沒有預先設定的應對方案，仍然是可通行的並且是安全的。實現這一目標需要準確發現所有可能出現的安全隱患並及時處理，然而，當前自動駕駛依賴數據驅動的AI技術，其黑盒特點與偶發失效特性導致實現這一目標變得十分困難。

　　為解決這一問題，清華大學車輛學院研究團隊提出了自動駕駛“可信持續進化”技術，該技術會在自動駕駛汽車行駛初期將所有場景無差別地看成未知場景，均采取主動避讓的基礎駕駛策略以保證安全性；在此基礎上，AI模型將從大數據中主動尋找熟悉的行駛場景，並自主地將在這些場景中的駕駛性能從基礎策略調整到更優水平，因而能從係統設計的角度，解決長尾場景難以窮盡的問題，保證在任意場景下不依賴預先設定的“可信持續進化”。實現這樣一個技術最核心的難點在於進化的過程要保證性能是單調提升的，這樣才能使得整個進化過程仍具備最基礎的安全性，但經典的AI訓練過程中性能通常存在震蕩現象，可能會引發新的安全風險，而研究團隊設計的通過動態評估置信度進行AI模型訓練的方案，能夠使性能隨數據的增加而單調持續提升，因而能夠很好地滿足這一要求。

　　研究團隊在仿真和實車測試過程中對該技術進行了驗證，實驗結果表明該技術能夠保證自動駕駛汽車在係統沒有預先設定的突發場景（如車輛逆行、工程車輛壓線超車等）中的駕駛安全性，同時隨著車輛的運行和數據的持續采集，駕駛性能能夠自動得到進一步提升。這一技術突破有望推動無人駕駛從典型場景示範走向開放道路實際應用，讓無人駕駛汽車具備實現普及和大規模商用的可能性。

　　該技術在2022北京科技冬奧自動駕駛示範項目中成功得到了應用。研究團隊正在與國內外領軍汽車企業和知名的出行廠商合作開展商業化合作，進一步開展大規模無人駕駛開放道路應用示範，以檢驗該技術在更多行駛場景中的應對能力與自主提升能力，並持續收集無人駕駛測試數據，以滿足開放道路無人駕駛可信賴性要求。

　　研究結果以“利用動態置信度強化學習實現自動駕駛的持續提升”（Continuous improvement of self-driving cars using dynamic confidence-aware reinforcement learning）為題發表在《自然·機器智能》（Nature Machine Intelligence）上。

　　論文第一作者為清華大學車輛學院博士後曹重，通訊作者為車輛學院楊殿閣教授，清華大學江昆老師、美國密歇根大學彭暉教授共同參與了研究工作。研究得到國家自然科學基金與清華-豐田聯合研究基金專項項目的支持。