Designing Versatile Samples for Learned Trajectory Scoring

自动驾驶汽车面临着一个超越单纯“看清道路”的根本挑战。早期的系统试图计算出一条单一且完美的路径，但现实世界的驾驶很少如此简单。一辆接近交叉路口的汽车必须权衡多种可能性：左转、直行，或者可能是在等待行人。这种被称为“多模态”（multimodality）的不确定性意味着，一个安全的驾驶系统不能只输出一个答案，它必须生成一组可能的路线，然后从中选择最优的一条。这个选择过程至关重要。如果系统选择了一条看起来安全但实际上过于靠近路缘或前车的路径，结果可能会导致交通违规或碰撞。区分“险些擦碰”与“灾难性事故”的能力——两者之间往往仅隔着区区几厘米——是平稳通勤与危险失败之间的本质区别。

普渡大学和博世人工智能中心的科研人员开发了一种新方法，教计算机如何做出这些关键决策。他们的工作重点在于“评分器”（scorer），即负责对候选路径列表进行排序并选出胜者的软件部分。他们发现，传统的评分器训练方式让它们在面对最困难的情况时显得准备不足。通过创建一个专门的训练数据集，刻意将车辆推向安全边缘，他们能够显著提高这些系统在复杂驾驶场景中的表现。

问题的核心在于这些系统目前的教学方式。大多数自动驾驶策略分为两个阶段：首先，一个“规划器”（planner）观察道路并生成一组可能的轨迹，通常是二十条左右。这些是汽车可能采取的选择。其次，一个“评分器”审查这份名单并选择执行的最佳路径。研究人员发现，规划器非常擅长避免明显的碰撞，因此它们生成的选项往往聚集在安全、舒适的驾驶路径周围。它们很少包含那些极度靠近道路边缘或紧跟在前车后的路径。这为评分器制造了一个盲点。由于训练数据缺乏这些处于风险边缘、挑战边界的场景，评分器从未学会如何区分一条仅仅是“接近违规”的路径与一条“确实违反规则”的路径。这就像教学生判断水的温度，如果只给他们看温水样本，他们永远无法学会如何区分热水和冷水。

为了解决这个问题，团队设计了一种人工创造缺失“极端情况”（edge cases）的方法。他们从记录场景中实际的人类驾驶路径开始，然后有系统地将其向两个特定方向进行“微调”。在第一个方向上，他们将路径向侧向移动，使其越来越靠近可行驶道路的边缘，直到跨越边界。在第二个方向上，他们沿着路径向前移动车辆，使其越来越靠近前车，直到发生碰撞。通过这种细微且分级的步骤，他们创建了一个从安全近距离接触到明确违规的场景阶梯。这些合成路径随后被输入模拟器，以观察道路规则会如何判定它们。这一过程生成了丰富的正例和负例，而原始规划器本身无法产生这些示例。

研究人员将这种新的训练数据附加到了一个基于“Transformer”类型神经网络的现代评分系统上，这种网络类型非常擅长理解序列和关系。他们使用两个不同的、现有的规划系统对该设置进行了测试，这两个系统都保持不变。其中一个系统同时使用摄像头和激光雷达，另一个则仅依赖摄像头。在这两种情况下，评分器都在新的增强数据集上进行了单独训练，而规划器保持冻结状态。结果令人瞩目。当系统在大型真实驾驶场景基准测试中进行测试时，新的评分器始终能选择更安全的路径。在仅使用摄像头的系统中，整体性能得分从 89.5 提升到了 90.4；在同时使用摄像头和激光雷达的系统中，得分从 88.3 提升到了 90.1。

这种改进在驾驶的各个方面并不均匀，这恰恰揭示了新训练数据的实际作用。系统在避免碰撞和保持在可行驶区域内方面有了显著进步，而这两者是最关键的安全因素。事实上，研究人员发现，收益几乎完全集中在这些安全指标上。系统在进度推进和车道保持方面变得稍微不那么激进，这是评分系统为了确保安全而接受的一种权衡。这表明，新的训练数据成功地教会了评分器：当速度或舒适度与安全性发生冲突时，应优先考虑避免违反规则。

为了证明这种改进源于新数据的特定设计而非仅仅因为数据量增加，研究人员将他们的方法与一个使用随机生成路径的版本进行了对比。随机数据几乎没有带来任何收益，从而证实了精心构建训练集才是关键。正是那种将车辆推向道路边缘和前车的特定设计起到了作用。这项研究表明，训练数据的质量与神经网络本身的架构同样重要。通过刻意构建一个覆盖了事故发生决策边界的数据集，研究人员展示了即使不需要重新训练整个系统，也可以将一个“冻结”的规划器与一个更聪明的评分器相结合。这种方法为更安全的自动驾驶提供了一条实用且高效的路径，证明了有时提高机器判断力的最佳方式，就是明确地告诉它界限在哪里。