人工智能新技術研發自動駕駛

文│葉浩男

圖│何杰平、部分由受訪者提供

科幻電影中自動車穿梭大都會街頭的畫面,再也不是海市蜃樓。為了研究自動駕駛技術,澳門大學正與本地和內地多個機構開展一個大型科研項目,並在澳大校園啟用澳門第一台自動駕駛巴士,作為測試新技術的平台。

以自動駕駛巴士測試新技術

這架自動駕駛巴士在2020年10月啟用,有八個座位和六個站位,時速最高40公里,是科研項目「協同智能驅動的無人駕駛關鍵技術與平台研究」的重要一環。該項目2019年起獲澳門科學技術發展基金資助,由智慧城市物聯網國家重點實驗室(澳門大學)、中國科學院深圳先進技術研究院、國防科技大學、百度和深圳海梁科技共同承擔,並獲澳門電訊提供流動網絡技術支援。

澳門第一台自動駕駛巴士於2020年底啟用

研究團隊由澳大科技學院院長、電腦及資訊科技系講座教授須成忠領導。須教授研究自動駕駛已有十多年,在美國底特律任教時曾與通用汽車等大企業合作研究智能駕駛,2011年回國後繼續探索相關技術,2019年加入澳大後不久開展這個自動駕駛項目。

須成忠教授

全球各地都在研究自動駕駛。今日的自動車已能在受控制的環境下正常行駛,但現有技術還不足以製造出能安全、恰當地應對極端天氣和其他突發情況的全自動汽車,因此須教授的團隊正在研究令自動駕駛更安全的技術,成果令人鼓舞。單在2019年,他們就有22篇論文獲國際學術期刊登載,也有在一些頂尖國際會議上發表論文。

提升自動車決策能力

卷積神經網絡是一種主流的機器學習模型,某程度模仿人腦的感知方式,是自動駕駛技術的重要一環。須教授說,我們可以用大量關於交通情況的圖像數據來訓練一個卷積神經網絡,使它能在新的圖像中辨別出物件、車輛和行人。

卷積神經網絡的決策能力很取決於它用來學習的訓練數據。目前多數用於訓練自動車的數據都是在良好天氣下收集所得,因此自動車平日能比較容易檢測出物件,但遇上颱風等惡劣天氣和其他特殊情況時卻很可能失靈。我們原則上可以引入更多數據,為每種路況都來一個訓練卷積神經網絡(或其他機器學習模型),但實踐中卻難以有足夠的數據和時間來訓練這些網絡,也無法預見汽車所有可能遇到的情況。

澳大自動駕駛研究團隊

應對這個問題的方法之一就是運用「遷移學習」人工智能方法,原理有點像訓練一個單車手學習駕駛電單車。單車手憑著他們的經驗,可能駕駛電單車時會比其他人更易保持平衡,毋須像其他人一樣從頭學起。同樣,如果沒有足夠的數據或時間,我們可以用已經訓練好的機器學習模型為基礎,為類似任務訓練出新的模型。

為了提升遷移學習的成效,澳大與百度的研究人員提出了一種新算法,名為Re‑Initializing the Fully‑connected LayEr(簡稱RIFLE),用於訓練基於遷移學習方法的卷積神經網絡時的「反向傳播」過程。他們先用這個新算法訓練一個卷積神經網絡,然後以它來分類、檢測和分割數以萬計的圖像,發現其表現遠勝一些經主流算法訓練的對手。相關論文已在頂尖的國際機器學習年會上發表。

加快訓練機器學習模型

重新訓練一個卷積神經網絡前,我們可以先刪除一些與新任務無關的部分,這個過程稱為「剪枝」。「剪枝」有助降低卷積神經網絡的複雜程度、從而加快運算,但有時也會削弱其執行任務的能力。

針對這個問題,澳大、中科院深圳先進技術研究院和百度的研究人員開發了一種新的「剪枝」方法,名為Attentive Feature Distillation and Selection(簡稱AFDS)。他們用AFDS和多種主流算法修剪一個有101個卷積層的卷積神經網絡,再用這些網絡來分析六個圖片數據庫,辨識圖片上有甚麼物件。他們發現,在運算量下降30%的情況下,用AFDS修剪的網絡達到幾乎同樣準確的辨識結果;即使運算量下降90%,準確度仍能夠保持在約70%,遠高於用其他方法修剪的網絡。相關論文已在頂尖的國際學習表徵年會上發表。

AFDS算法有助提升機器學習模型的運算速度

自動車通常會用卷積神經網絡來分析周邊的物體,它們一旦受到網絡攻擊或遇到不太清晰的物件(例如有塗鴉的路標)時很易判斷錯誤,例如將停車標誌誤判為讓先標誌,隨時釀成慘劇。因此,研究人員開發了LAFEAT算法,令卷積神經網絡面對攻擊或噪聲時更具魯棒性(robustness,又譯穩健性)。這款新算法在實驗中的表現遠勝10多種現有的算法。

在2021年中,澳大和百度的研究人員將LAFEAT算法在國際計算機視覺與模式識別會議上發表,該會議的論文錄取率僅為4.59%。他們也用這項算法參加了美國伊利諾大學、清華大學和阿里安全合辦的「CVPR安全AI挑戰者賽」算法比賽,與全球1680支隊伍切磋,勇奪亞軍,成為唯一來自澳門的獲獎隊伍。

卷積神經網絡受攻擊時或會誤判路標

走向自動駕駛的未來

研究團隊亦在深入研究人機交互技術,重點包括自然語言處理,目標是讓自動車正確回應語音指令。須教授也說,澳門路面較窄、電單車特別多,對自動車帶來額外挑戰,所以他的團隊亦在研究應對澳門複雜路況的技術。

研究人員可在設於智慧城市物聯網國家重點實驗室(澳門大學)的實驗平台用模型車輛測試自動駕駛技術

那麼,到底我們何時才能在日常生活用自動車出行?須教授說,要真正廣泛使用自動車,我們還要克服不少技術難題,也需要有新的道路、網絡基建和法律法規配合,有賴社會各界共同努力。「我們會不斷開發新的自動駕駛技術。通過在澳大啟用自動巴士,我們也希望提升公眾對自動車的認識,為在澳門實現自動駕駛創造有利條件。」

第24期 | 2021年

同期更多故事

2021-12-01T10:40:26+08:00