丁文超：教会自动驾驶“丝滑加塞”

原文地址：http://news.sciencenet.cn/htmlnews/2023/5/500810.shtm

“我们正在研究‘车路智能路端协同’的场景，通过多车路端感知协同让自动驾驶拥有‘上帝视角’。在可预见的未来，比如2030年、2040年，当我们步入中年、老年，这些东西就会出现在我们日常生活之中。”近日，在“2023复旦大学管理学院瞰见新青年”大会上，曾经的华为“天才少年”、目前任职于复旦大学工程与应用技术研究院的青年研究员丁文超掀开了机器人决策智能驾驶的“神秘衣角”。 

  ?

丁文超      复旦大学供图

像下围棋一样打败人类司机

“2023年新款‘问界’汽车搭载了我们团队的算法。这算是对我在华为工作阶段一个非常好的总结。”丁文超说。

2021年，丁文超在华为进行智能驾驶相关研究。他和团队考虑最多的问题是怎样让人工智能学会预测人类——外卖小哥有什么动作，路上的大爷大妈会干什么。与之对应，自动驾驶汽车要做出什么反应。研究团队经常在深圳街头进行测试，和很多中国特色的街巷相似，路上有行人横穿马路，侧面有外卖小哥“鬼探头”，最头疼的是老大爷看都不看就踏上马路。

“智能驾驶面临非常开放的场景，我们的研究集中在怎么理解他人的行为，人工智能要怎么做出自己的决策。”丁文超说，“今天自动驾驶在马路上还不常见，但我相信，自动驾驶车会像阿尔法狗完胜人类一样，打败人类司机，彻底改变我们的出行方式。”

让AI预判别人的预判

丁文超认为，下围棋和开车有共通之处。围棋高手通常会“走一步看N步”，自动驾驶也需要“看”很多步，并对不同情况做出最优决策。但下棋和开车又有区别，下棋是在封闭空间内，有明确落子规则的一对一博弈。而自动驾驶处于开放空间，同时要和所有交通行为参与者进行交互和博弈。

“围棋下错一子，胜率可能会掉20%，但还可以接受。如果开车决策错误，可能会被‘抬走’。这导致反向推过来，对自动驾驶对人工智能的要求非常高。”丁文超说。

从目前的自动驾驶技术看，在一些简单场景，人工智能的表现已经和“老司机”很像了。但在交互非常多的场景，它更像一个手足无措的新手司机。

为此，丁文超等人建模了车和车之间的交互关系，模拟人类在驾校学习的“防御性驾驶技术”。比如，接近路口或临近车道堵塞时，旁边车辆很快接近我们前方车辆，人类司机会从运动趋势判断，他可能会加塞到我们前面。这时，老司机如果不愿让对方“加塞”，就会加大油门跟前车更近。如果选择让对方加塞，会先把油门松下来，同时脚放在刹车上备刹，而不是等对方突然插进来后一脚急刹。

研究人员建模车和车之间的交互关系，通过神经网络学习这样的特征，让AI学会和周围车辆交互，判断临近车道车辆变道概率，更早预测加塞行为。从而让自动驾驶学会防御性驾驶。

但实际路况远比建模复杂，车辆在路面行驶不仅要“预判别人”，还要“预判别人对你的预判”。比如，一辆自动驾驶汽车准备并道，不仅要判断旁边车辆是否让道。还要考虑自己这个动作对别人的影响：如果我们“一把方向”变道过去，别人很可能没有反应时间，容易造成急刹或追尾；如果我们先往临近车道靠近，同时打开转向灯，别人就可以预判我们要变道过去，这样才能安全、舒适地完成变道。

在仿真环境中，人工智能要反复进行多层次的推理，因为现实中还有很多司机做出无法理解的行为。比如，研究团队有次做路测的时，发现一个司机在两条车道左右摇摆，甚至压着中线行驶很久。

教自动驾驶应学会“加塞”

“‘加塞’是每个司机的必修课，因为在工作日的早高峰，很多时候实际路况让我们不得不加塞。”丁文超说，“对自动驾驶车辆来说，变道时虽然不知道后车是‘天使’还是‘魔鬼’，但总要做出动作。”

现在的自动驾驶对加塞问题要么过于保守，要么过于激进。过度保守或乐观都不是好的解决方案。因此，丁文超的第三个研究是优化算法，将加塞过程优化成一条顺滑的轨迹并执行它。

“实际上，让自动驾驶规划这个轨迹会比人类司机做得更好，它可以在可行空间内满足安全约束条件下，优化出一条非常丝滑的轨迹，让驾乘省油、舒适、‘丝滑’。”丁文超补充说，“在更具挑战性的场景中，前方的车做出变道的动作，但又缩了回去，然后又过来了。这时候自动驾驶甚至会往前稍微顶一顶，不让别人过来，表现得更像‘老司机’。”

今年年初，丁文超来到复旦大学工程与应用技术研究院，开始一些新的研究——多智能端协同构成完美感知。

比如，在复杂的立交桥路口，一个从未走过的地方，也没有地图参考，人类司机可能会看其他车辆怎么走，然后做出自己的决定。自动驾驶车辆也会在路口参考其他车辆的去向，从而规划自己的路线。