提雅智行与CMU合作通过Safety21开创L4级+自动驾驶

盖世汽车讯 4月25日，全球首个自动驾驶开源软件领先供应商提雅智行宣布与卡内基梅隆大学(CMU)达成战略合作，共同实现全新的Level 4+自动驾驶概念，其中CMU被广泛认为是自动驾驶汽车的发源地。

双方将携手合作，通过一种混合架构，将以数据为中心的人工智能方法与机器人领域的最佳实践相结合，提升可扩展性、可解释性和安全性，同时释放具身人工智能的潜力，提高决策的透明度和可追溯性。

此次合作将通过由卡内基梅隆大学教授Raj Rajkumar领导的美国交通部国家大学交通安全中心(Transportation Center for Safety)Safety21得到进一步加强。提雅智行已加入Safety21的咨询委员会，通过Autoware推广开源软件的价值。Autoware是尖端研发的基础，旨在解决自动驾驶系统中安全性与用户体验之间的权衡问题。

背景

传统的L4级自动驾驶技术建立在概率估计和机器学习等机器人方法之上，依靠人工制定的行为规则、预定义的高清地图和本地化数据集来协调传感、定位、感知、规划和控制等核心功能。Autoware正是源于这种架构，并已成功应用于世界各地的自动驾驶系统。

此次合作倡导的全新L4+级自动驾驶概念，代表了SAE J3016 4级和5级之间的过渡阶段。就人类角色而言，它仍然属于L4级，但融合了L5级系统特性的关键方面。因此，车辆可以通过灵活扩展其运行设计域来覆盖前所未有的场景，从而几乎可以在所有条件下运行。

L4+级系统功能无需人类接管动态驾驶任务。然而，它们可以利用系统外部提供的额外信息，作为战略功能的一部分，动态响应目标作战域(TOD)内的环境变化。同时，系统继续控制战术和作战功能。在此框架下，即使外部战略输入影响其行为，系统仍将承担全部安全保障责任。例如，人类可以提供指导，在运行时调整航点规划，以帮助系统使其行为与定义的目标作战域(ODD)和目标作战域(TOD)保持一致。

新兴的端到端人工智能模型是数据中心人工智能方法的一个关键变体，有望实现L4+级自动驾驶，尤其是在与基于规则的系统和人在环策略相结合的情况下。然而，它们也带来了严峻的挑战，包括高数据要求、决策的可解释性有限以及难以建立稳健的安全保障。由于通常不清楚此类模型如何推广学习行为或什么影响其输出，因此确保可信的现实世界部署仍然是一个关键障碍。

战略合作范围

为了实现L4+级自动驾驶，提雅智行和卡内基梅隆大学将联合开发基于Autoware的下一代自动驾驶系统，尤其注重通过混合架构来提升可扩展性、可解释性和安全性。该架构将以数据为中心的AI方法(包括完善的端到端AI模型)与机器人技术的最佳实践相结合。

该项目将致力于模块化端到端AI模型，使其与最先进的机器人方法和安全执行机制共存。关键挑战包括整合能够揭示内部推理过程的中间表示，以及建立情境感知功能，使系统在遇到意外情况时能够过渡到最低风险机动模式。总体而言，这种混合架构旨在支持更透明、更可追溯的具身AI决策，同时解决系统问责、安全评估和法规遵从性等实际部署问题。

此次合作为期三年。第一年，提雅智行和卡内基梅隆大学将开发一款由Autoware驱动的参考车辆，并计划在东京和匹兹堡进行早期部署。该车辆还将作为真实世界数据收集、闭环验证和确认以及道路试验的平台。这一阶段的成果将反馈给Autoware和更广泛的开源软件社区，从而加速卡内基梅隆大学以及全球研发和开发者生态系统的创新。

第二年和第三年，重点将转向为混合架构开发全面的安全执行机制。该机制将支持车辆认证和公共道路审批所需的安全评估流程，并为基于Autoware的自动驾驶系统在真实世界中可靠部署所需的可扩展性、可解释性和安全性奠定基础。

提雅智行创始人兼首席执行官Shinpei Kato表示:“此次合作标志着我们携手人工智能和机器人技术，打造更安全、更具可扩展性和更易于解释的自动驾驶系统，迈出了重要的一步。与卡内基梅隆大学合作，使我们能够进一步提升Autoware的功能，并深化我们对开源软件社区的贡献，通过集体创新推动未来出行。”

卡内基梅隆大学电气与计算机工程系George Westinghouse教授Raj Rajkumar表示:“模块化端到端人工智能模型与传统L4级系统的集成，代表着全新L4级+自动驾驶概念的重大进步。此次合作为我们提供了一个独特的机会，让我们能够加深对自动驾驶系统中人工智能的理解，最终实现更安全、更具可扩展性和更高效的部署。”

免责声明：该文章系本站转载，旨在为读者提供更多信息资讯。所涉内容不构成投资、消费建议，仅供读者参考。