很多前沿產(chǎn)業(yè)化成果都是從校園和研究機(jī)構(gòu)脫胎的，自動(dòng)駕駛領(lǐng)域中也是如此。

如果說哪個(gè)大學(xué)擁有孕育汽車智能和自動(dòng)駕駛技術(shù)產(chǎn)業(yè)化落地的搖籃，位于美國舊金山灣區(qū)的UC Berkeley（加州大學(xué)伯克利分校）應(yīng)該算一個(gè)。

這所世界知名的公立學(xué)府，曾送走了包括英特爾創(chuàng)始人之一戈登·摩爾、蘋果公司聯(lián)合創(chuàng)始人斯蒂夫·沃茲尼亞克、特斯拉聯(lián)合創(chuàng)始人馬克·塔彭寧在內(nèi)的一系列時(shí)代顛覆者。那么它在自動(dòng)駕駛領(lǐng)域做了些什么呢？在本文中，雷鋒網(wǎng)·新智駕將和讀者聊聊UC Berkeley旗下兩大與汽車智能相關(guān)的實(shí)驗(yàn)室——InterACT和Berkeley Deep Drive。

Anca Dragan和她的InterACT實(shí)驗(yàn)室

在自動(dòng)駕駛領(lǐng)域，人機(jī)交互是個(gè)不算新但絕不過時(shí)的話題，在真正意義的高階自動(dòng)駕駛落地前，已經(jīng)不停有人在問出這些問題：人類如何完全信任自動(dòng)駕駛車？自動(dòng)駕駛車如何理解和預(yù)測(cè)人的行為？人類駕駛汽車和機(jī)器自動(dòng)駕駛汽車如何在交通環(huán)境中共生？

而對(duì)于這些問題，Anca Dragan認(rèn)為她能夠或正在尋找一個(gè)答案。

年僅30歲的Anca Dragan，是個(gè)羅馬尼亞人，現(xiàn)任加州大學(xué)伯克利分校的電子工程與計(jì)算機(jī)科學(xué)助理教授。年紀(jì)輕輕就頗有學(xué)術(shù)建樹的她，也曾榮登福布斯羅馬尼亞30歲以下精英榜單。

今年年中，她又獲得一份來自MIT科技評(píng)論的獎(jiǎng)項(xiàng)，后者稱她為“遠(yuǎn)見者”，原因是“她致力于確保機(jī)器人與人類可以和諧地共同生活”。而這，在許多業(yè)者看來，是與機(jī)器本身智能化并重甚至更為重要的事情。

Anca Dragan認(rèn)為：

機(jī)器與人類協(xié)作的沖突多來自于雙方對(duì)彼此的不了解，所以，機(jī)器人與人工智能的正確觀點(diǎn)應(yīng)該是機(jī)器人試圖優(yōu)化人的目標(biāo)函數(shù)。機(jī)器人不應(yīng)該將任何客觀的功能視為理所當(dāng)然，而應(yīng)該與人類一起去發(fā)現(xiàn)他們真正想要的是什么。

為了令機(jī)器人更好地協(xié)同人類工作，Anca Dragan帶領(lǐng)InterACT實(shí)驗(yàn)室開始專注于人機(jī)交互算法的研究，試圖將復(fù)雜或模糊的人類行為轉(zhuǎn)化為機(jī)器人能理解的簡易數(shù)學(xué)模型。

InterACT ，全稱Interactive Autonomy and Collaborative Technologies Laboratory（交互式自主和協(xié)作技術(shù)實(shí)驗(yàn)室），是UC Berkeley旗下專注于人機(jī)交互研究的實(shí)驗(yàn)室。他們研發(fā)的算法，不只是關(guān)注機(jī)器本身相對(duì)孤立的功能，而是將機(jī)器行為的分析和學(xué)習(xí)也納入到與終端用戶的交互和協(xié)作中。InterACT 研究成果能應(yīng)用在各種機(jī)器人領(lǐng)域和場景中，例如輔助型機(jī)器人、制造業(yè)等。

當(dāng)然，該研究在短期之內(nèi)最重要的應(yīng)用，莫過于幫助自動(dòng)駕駛汽車與傳統(tǒng)汽車預(yù)判對(duì)方可能的行為。據(jù)雷鋒網(wǎng)·新智駕了解，這也是Anca Dragan以及InterACT 實(shí)驗(yàn)室目前重要的研究方向之一。

值得一提的是，2018年1月16日，雷鋒網(wǎng)新智駕將在舊金山灣區(qū)舉辦GAIR硅谷智能駕駛峰會(huì)（更多詳情訪問：https://gair.leiphone.com/gair/gairsv2018），來自頂級(jí)學(xué)界、互聯(lián)網(wǎng)巨頭、傳統(tǒng)車企以及新興技術(shù)企業(yè)的眾多從業(yè)人士和探路者將到場分享。屆時(shí)，Anca Dragan也將帶著她在自動(dòng)駕駛領(lǐng)域人機(jī)交互行為研究的最新成果發(fā)表演講，感興趣的讀者可以到現(xiàn)場與她交流。

InterACT背后的Berkeley Deep Drive

回到InterACT實(shí)驗(yàn)室，其實(shí)它的學(xué)術(shù)成果還有一個(gè)去向，就是賦能于一個(gè)名叫 Berkeley Deep Drive (BDD) 的研究項(xiàng)目并形成產(chǎn)業(yè)化。后者是一個(gè)將人工智能與汽車產(chǎn)業(yè)結(jié)合的行業(yè)協(xié)會(huì)組織，依托多個(gè)學(xué)術(shù)實(shí)驗(yàn)室，InterACT就是其中之一。

具體而言，Berkeley Deep Drive主要專注于將計(jì)算機(jī)視覺與機(jī)器學(xué)習(xí)技術(shù)相結(jié)合，并應(yīng)用于汽車產(chǎn)業(yè)的不同場景中。Berkeley Deep Drive認(rèn)為，雖然目前計(jì)算機(jī)視覺領(lǐng)域已經(jīng)取得了諸多顛覆性進(jìn)展，但其中的很多技術(shù)還沒有被很好地移植到汽車產(chǎn)業(yè)中進(jìn)行應(yīng)用，比如他們涉獵的技術(shù)場景包括：對(duì)于車輛的深度增強(qiáng)學(xué)習(xí)、理解駕駛員對(duì)智能汽車的認(rèn)知、基于優(yōu)化自動(dòng)駕駛車輛交通環(huán)境的深度增強(qiáng)學(xué)習(xí)、關(guān)于安全和隱私保護(hù)的深度學(xué)習(xí)，等等。

Berkeley Deep Drive的研究成果也并非停留在實(shí)驗(yàn)室階段，而是與產(chǎn)業(yè)界結(jié)合緊密，目前他們的合作伙伴中，諸如博世、采埃孚等Tier 1供應(yīng)商，大眾、本田、現(xiàn)代等車企，NXP、英偉達(dá)等芯片廠商，以及華為、馭勢(shì)科技等中國公司均在列。

*Berkeley Deep Drive研究項(xiàng)目的合作伙伴和贊助者矩陣

之前雷鋒網(wǎng)·新智駕曾報(bào)道了包括圖森未來CTO侯曉迪、Pony.ai CEO 彭軍、馭勢(shì)科技CEO吳甘沙、現(xiàn)禾多科技創(chuàng)始人倪凱、Auto X創(chuàng)始人肖健雄等人組成的“自動(dòng)駕駛天團(tuán)”齊聚CVPR參與圓桌討論的事情，

當(dāng)時(shí)還有一名“天團(tuán)”成員，正是來自Berkeley Deep Drive項(xiàng)目的研究員Fisher Yu（下圖中左一）。

雷鋒網(wǎng)通過資料發(fā)現(xiàn)，F(xiàn)isher Yu還有一個(gè)身份，就是曾在普林斯頓大學(xué)師從CV界學(xué)術(shù)明星肖建雄，眾所周知，肖一直是唯計(jì)算機(jī)視覺論的代表支持者，他推崇僅依靠視覺技術(shù)實(shí)現(xiàn)自動(dòng)駕駛。有這么一層關(guān)系，F(xiàn)isher Yu選擇在專注計(jì)算機(jī)視覺與汽車產(chǎn)業(yè)結(jié)合的Berkeley Deep Drive項(xiàng)目組工作，是非常順理成章的。

說到這兒突然想到，肖建雄也是GAIR智能駕駛峰會(huì)的演講嘉賓之一，那就再廣播一遍，2018年1月16日，雷鋒網(wǎng)新智駕將在舊金山灣區(qū)舉辦GAIR硅谷智能駕駛峰會(huì)（更多詳情訪問：https://gair.leiphone.com/gair/gairsv2018），除了上文提到的Anca Dragan，還有CV界大神肖建雄同臺(tái)講演，感興趣的讀者可以到現(xiàn)場與他交流。

人機(jī)交互在自動(dòng)駕駛中的應(yīng)用

再聊聊Anca Dragan的人機(jī)交互項(xiàng)目，他們的研究成果到底如何在人機(jī)博弈中體現(xiàn)出更好的協(xié)作呢？在自動(dòng)駕駛中的具體場景應(yīng)用又如何？日前，Anca Dragan在Conference on Robot Learning (機(jī)器學(xué)習(xí)大會(huì)，CoRL)上發(fā)表了一段演講，以下是雷鋒網(wǎng)·新智駕對(duì)內(nèi)容不改變?cè)獾恼碚?/p>

Anca Dragan的演講題目是《人類進(jìn)入機(jī)器人方程》。在傳統(tǒng)的機(jī)器人路徑規(guī)劃問題中，機(jī)器人通常將人類視為和其他不能移動(dòng)的物體一樣的避障目標(biāo)，而Anca希望將人類作為機(jī)器人決策的一個(gè)“變量”實(shí)現(xiàn)和人類的最優(yōu)交互。

最簡單的狀態(tài)，只有機(jī)器人和交互的物體，則機(jī)器人的效用函數(shù)為UR，該效用函數(shù)包含的變量包括初始狀態(tài)x0以及運(yùn)動(dòng)軌跡uR。

但現(xiàn)實(shí)中，機(jī)器人需要和三類不同的人打交道：在運(yùn)行環(huán)境中的其他人、其使用者，以及其設(shè)計(jì)者。

出于安全的考慮，以往通常將人視為機(jī)器人行動(dòng)和路線規(guī)劃中需要避讓的“障礙物”；

但在人類交互當(dāng)中往往存在某種博弈行為，如這個(gè)超車變道的例子，黑色小車意圖超車，但銀色卡車寸步不讓。如果我們與他人的交互都像這個(gè)司機(jī)一樣，則會(huì)造成許多沖突，但無人駕駛車不會(huì)像小汽車司機(jī)這樣做，他們會(huì)感知到這里可能沒有足夠的超車空間，會(huì)選擇減速在卡車后變道。

如果我們將人視為需要規(guī)避的障礙物進(jìn)行建模，那意味著我們將人類視為這個(gè)例子中不會(huì)改變主意的卡車司機(jī)一樣進(jìn)行建模。

另一個(gè)Google Car無法順利通過四面都有停車標(biāo)志的十字路口的例子。在這個(gè)例子中，傳感器會(huì)一直探測(cè)到有人類司機(jī)并進(jìn)行避讓，而人類司機(jī)可以通過一寸一寸向前挪動(dòng)讓Google無法行動(dòng)。

漫畫：“你先走還是我先走？”在圖中，無人車讓人類先走，但行人并不打算走而是揮舞手臂，則會(huì)讓無人車?yán)Щ蟆?/p>

機(jī)器人與人類的互動(dòng)。此時(shí)機(jī)器人的效用函數(shù)UR包含三個(gè)變量：初始狀態(tài)x0、機(jī)器人運(yùn)動(dòng)軌跡uR以及人類運(yùn)動(dòng)軌跡uH，此時(shí)人類的效用函數(shù)UH也包含三個(gè)變量：初始狀態(tài)x0、人類運(yùn)動(dòng)軌跡uH以及覺察到有機(jī)器人后的隱形影響因子θH；

我們現(xiàn)在在做的研究：人并不是障礙，而是將其視為需要通過自己效用函數(shù)進(jìn)行優(yōu)化的智能體，但我們并不知道其效用函數(shù)，參數(shù)是隱藏的；機(jī)器通過人的動(dòng)作估計(jì)隱藏狀態(tài)，估計(jì)其下一步行為，如果機(jī)器人對(duì)人的下一步動(dòng)作有估計(jì)，那么機(jī)器人會(huì)將其加入到自己的效用函數(shù)中：如果這件事情發(fā)生，我應(yīng)該怎么做才是最好的選擇。

當(dāng)人類也考慮機(jī)器人的行為來調(diào)整自己的行為時(shí)，其效用函數(shù)UH變?yōu)樗膫€(gè)變量：初始狀態(tài)x0、人類運(yùn)動(dòng)軌跡uH、機(jī)器人運(yùn)動(dòng)軌跡UR及覺察到有機(jī)器人后的隱形影響因子θH。有不少證據(jù)表明人們實(shí)際上并不一定去在博弈中實(shí)現(xiàn)均衡，因?yàn)槿祟愂峭ㄟ^計(jì)算達(dá)到平衡的。

我們?nèi)绾握f明機(jī)器人對(duì)人類行為的影響？

舉一個(gè)無人車與人類司機(jī)交互的例子。上圖中的橙色汽車是無人駕駛車，UR是無人駕駛車軌跡，UH是人類駕駛軌跡，如果我們考慮的是在特定的UR下，UH應(yīng)該如何達(dá)到最優(yōu)，這樣人類可以更好地響應(yīng)機(jī)器人的行為。

在這個(gè)例子中，這是一個(gè)保證效率和安全的博弈。人類的參數(shù)是隱藏的，我們通過反向優(yōu)化控制來猜測(cè)這些數(shù)據(jù)，機(jī)器人收集這些展示人們將如何與機(jī)器人互動(dòng)的數(shù)據(jù)，設(shè)置一個(gè)最大似然觀察，然后機(jī)器人去解決這個(gè)嵌套優(yōu)化問題，即當(dāng)人不可避免地受到我所做的事情的影響時(shí)，我該怎么做才能最大限度地將我的效用最大化？最終會(huì)達(dá)到人和機(jī)器人的和諧協(xié)作。

接下來Anca展示了一些簡化后的例子。如果將人類車輛當(dāng)做一個(gè)需要避障的目標(biāo)并推斷其行為，無人車通常在人類車輛后變道。在少數(shù)情況下，人類車輛之前有充足的空間的時(shí)候，無人車會(huì)超車變道，因?yàn)樵谶@個(gè)嵌套優(yōu)化中，機(jī)器人知道，如果它按這一方式超車變道，那么人的反應(yīng)就是放慢速度，讓無人車進(jìn)入。

在這一模式中，機(jī)器人不再處于被動(dòng)狀態(tài)，而是更好地和人進(jìn)行互動(dòng)。

Anca稱她最喜歡的一個(gè)例子是，仍然是四面停止標(biāo)志的十字路口，當(dāng)處于僵持、沒有乘客的無人車（橙色）需要表示“你先走”的時(shí)候，無人車會(huì)稍稍后退，在這個(gè)路口中，人類司機(jī)同樣在進(jìn)行效率和安全的博弈，而當(dāng)無人車后退的時(shí)候，車輛相撞的幾率變小，此時(shí)人類司機(jī)就會(huì)通過路口，達(dá)到人類車輛效用函數(shù)的最大化。這是一個(gè)無人車影響人類效用函數(shù)的例子，同時(shí)也是很令人驚異的發(fā)現(xiàn)，因?yàn)槿祟愃緳C(jī)從不會(huì)通過后退表示讓對(duì)方先走。

同樣在這個(gè)漫畫的例子中，無人車也可以通過稍稍后退讓行人先走打破僵局。

上圖是三種模型下，真實(shí)用戶不同反應(yīng)的影響。

不過這一模型仍然存在某些局限性，如效用局限于已知的Feature的線性組合，假設(shè)感知問題已經(jīng)得到解決，對(duì)車輛運(yùn)行進(jìn)行了簡化，等等。

而且我們不能用一些線下訓(xùn)練的模型來用來套到實(shí)際的駕駛中，萬一遇到之前那個(gè)不肯避讓的卡車司機(jī)就麻煩了。所以需要對(duì)每個(gè)司機(jī)的行為進(jìn)行具體的估計(jì)。

通過對(duì)人類司機(jī)駕駛軌跡的觀察，可以推斷出司機(jī)的駕駛風(fēng)格：比較激進(jìn)或者比較保守，并采取正確的策略。如判斷對(duì)方是一個(gè)保守型的司機(jī)的時(shí)候，在其前面變道超車對(duì)方通常會(huì)避讓。

像這種情況的激進(jìn)型司機(jī)，無人車只能放棄變道。

而在十字路口的例子中，無人車需要判斷這個(gè)司機(jī)是否注意其他車輛的動(dòng)作。

通過上述研究，機(jī)器人可以從豐富的指導(dǎo)模式中學(xué)習(xí)。簡單來說，如果機(jī)器人能夠理解它可能對(duì)人類情緒造成的影響，就可以更好地進(jìn)行決策，并在更廣泛的領(lǐng)域與人類進(jìn)行有效協(xié)作。

其中的部分成果可能被整合到Berkeley Deep Drive的研究項(xiàng)目中，并借由汽車產(chǎn)業(yè)鏈中的公司形成落地應(yīng)用。

PS：2018 年 1 月 16 日，雷鋒網(wǎng)新智駕將在舊金山灣區(qū)舉辦 GAIR 硅谷智能駕駛峰會(huì)（更多詳情訪問：https://gair.leiphone.com/gair/gairsv2018） ，來自學(xué)界、互聯(lián)網(wǎng)巨頭、傳統(tǒng)車企以及新興技術(shù)企業(yè)的眾多從業(yè)人士和探路者將到場分享。屆時(shí)Anca Dragan將到場進(jìn)行主題分享。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。