本文經(jīng)授權(quán)轉(zhuǎn)自新智元（ID：AI_era）。

馬斯克曾說(shuō)：“自動(dòng)駕駛永遠(yuǎn)不會(huì)完美，但比人類駕駛安全10倍！”真是這樣嗎？伊利諾伊大學(xué)香檳分校的研究人員開(kāi)發(fā)了一種故障評(píng)估技術(shù)，在對(duì)百度Apollo 3.0和英偉達(dá)專有自動(dòng)駕駛系統(tǒng)DriveAV的測(cè)試中，4小時(shí)發(fā)現(xiàn)了561個(gè)關(guān)鍵安全故障。

特斯拉CEO馬斯克曾經(jīng)放話：“自動(dòng)駕駛永遠(yuǎn)不會(huì)完美，但比人類駕駛安全10倍！”

然而，真是這樣嗎？

伊利諾伊大學(xué)香檳分校的一個(gè)研究團(tuán)隊(duì)在分析了自動(dòng)駕駛公司2014年至2017年提交的所有安全報(bào)告(涵蓋144輛自動(dòng)駕駛汽車，累計(jì)行駛1116605英里)后，得出一個(gè)截然相反的結(jié)論：

在行駛相同里程的情況下，自動(dòng)駕駛汽車發(fā)生事故的可能性是人類駕駛汽車的4000倍。

而就在最近，這個(gè)研究團(tuán)隊(duì)開(kāi)發(fā)的一種針對(duì)自動(dòng)駕駛的故障評(píng)估技術(shù)，在對(duì)百度Apollo 3.0和英偉達(dá)專有自動(dòng)駕駛系統(tǒng)DriveAV的測(cè)試中，短短4小時(shí)就發(fā)現(xiàn)了561個(gè)關(guān)鍵安全故障！

這個(gè)研究團(tuán)隊(duì)致力于使用人工智能和機(jī)器學(xué)習(xí)，通過(guò)軟件和硬件的改進(jìn)來(lái)提高自動(dòng)駕駛技術(shù)的安全性。

“由于車輛電氣和機(jī)械組件的復(fù)雜性，以及天氣、路況、地形、交通模式和照明等外部條件的變化，使用AI來(lái)改進(jìn)自動(dòng)駕駛車輛非常困難?！币晾Z伊大學(xué)CSL實(shí)驗(yàn)室教授Ravishankar K. Iyer說(shuō)，“目前我們正在取得進(jìn)展，但安全仍是一個(gè)重大問(wèn)題?！?

Ravi Iyer

研究小組目前正在開(kāi)發(fā)技術(shù)和工具，從而找到影響自動(dòng)駕駛車輛安全的駕駛條件和問(wèn)題。使用他們的技術(shù)，可以找到大量的至關(guān)安全的場(chǎng)景，在這些場(chǎng)景中，一個(gè)小小的錯(cuò)誤就可能釀成大禍。如此一來(lái)節(jié)省了大量的時(shí)間和金錢(qián)。

在對(duì)百度Apollo 3.0和英偉達(dá)DriveAV的測(cè)試中，該團(tuán)隊(duì)所開(kāi)發(fā)的故障注入引擎DriveFI在4小時(shí)內(nèi)發(fā)現(xiàn)了500多個(gè)該軟問(wèn)題。

示例場(chǎng)景：(1)目標(biāo)FI導(dǎo)致危險(xiǎn)狀態(tài)；(2)特斯拉自動(dòng)駕駛儀的真實(shí)例子與注入故障類似

這樣的發(fā)現(xiàn)讓這個(gè)團(tuán)隊(duì)的工作得到了業(yè)內(nèi)的關(guān)注。該團(tuán)隊(duì)正在為他們的測(cè)試技術(shù)申請(qǐng)專利，并計(jì)劃很快進(jìn)行部署。理想情況下，研究人員希望公司使用這項(xiàng)新技術(shù)來(lái)模擬已發(fā)現(xiàn)的問(wèn)題，并在部署汽車之前解決問(wèn)題。

自動(dòng)駕駛事故可能性比人駕駛高4000倍，安全評(píng)估面臨挑戰(zhàn)

“我們團(tuán)隊(duì)正在應(yīng)對(duì)一些挑戰(zhàn)，”領(lǐng)導(dǎo)該項(xiàng)目的計(jì)算機(jī)科學(xué)博士生Saurabh Jha說(shuō)?！敖鉀Q這一挑戰(zhàn)需要跨越科學(xué)、技術(shù)和制造的多學(xué)科努力?！?

為什么這項(xiàng)工作挑戰(zhàn)性很大？因?yàn)樽詣?dòng)駕駛是使用AI和機(jī)器學(xué)習(xí)來(lái)集成機(jī)械、電子和計(jì)算技術(shù)以做出實(shí)時(shí)駕駛決策的復(fù)雜系統(tǒng)。典型的自動(dòng)駕駛系統(tǒng)就像放在輪子上的微型超級(jí)計(jì)算機(jī)；擁有50多個(gè)處理器和加速器，運(yùn)行著超過(guò)1億行代碼，來(lái)支持計(jì)算機(jī)視覺(jué)、規(guī)劃和其他機(jī)器學(xué)習(xí)任務(wù)。

這些車輛的傳感器和自動(dòng)駕駛堆棧(計(jì)算軟件和硬件)有可能存在問(wèn)題。當(dāng)一輛汽車以每小時(shí)70英里的速度在高速公路上行駛時(shí)，故障對(duì)司機(jī)來(lái)說(shuō)可能是一個(gè)重大的安全隱患。

“如果一輛普通汽車的駕駛員感覺(jué)到諸如車輛漂移或拉力之類的問(wèn)題，他/她可以調(diào)整自己的行為并將車輛引導(dǎo)到一個(gè)安全的停車點(diǎn)。”Jha解釋說(shuō)：“然而，在這種情況下，除非自動(dòng)駕駛汽車針對(duì)這些問(wèn)題進(jìn)行了訓(xùn)練，否則自動(dòng)駕駛汽車會(huì)如何應(yīng)對(duì)是不可預(yù)測(cè)的。在現(xiàn)實(shí)世界中，這樣的例子數(shù)不勝數(shù)。”

多數(shù)人在電腦或智能手機(jī)上遇到軟件問(wèn)題時(shí)，最常見(jiàn)的反應(yīng)是關(guān)機(jī)重啟。然而，此方法不建議用于自動(dòng)駕駛汽車，因?yàn)榈⒄`的每一毫秒都會(huì)影響結(jié)果，而響應(yīng)稍慢一點(diǎn)就可能會(huì)導(dǎo)致死亡。在過(guò)去的幾年里，由于自動(dòng)駕駛引發(fā)的各種事故，人們對(duì)這種基于人工智能的系統(tǒng)的安全擔(dān)憂不斷增加。

“現(xiàn)行法規(guī)要求Uber和Waymo等在公共道路上測(cè)試無(wú)人車的公司，每年要向加州車輛管理局(DMV)匯報(bào)其車輛的安全性，”CSL和計(jì)算機(jī)科學(xué)專業(yè)的研究生Subho Banerjee說(shuō)。“我們想了解常見(jiàn)的安全問(wèn)題有哪些，汽車的性能如何，以及理想的安全標(biāo)準(zhǔn)是什么，以了解自動(dòng)駕駛系統(tǒng)的設(shè)計(jì)是否足夠好?！?

該團(tuán)隊(duì)分析了2014年至2017年提交的所有安全報(bào)告，涵蓋144輛自動(dòng)駕駛汽車，累計(jì)行駛1116605英里。他們發(fā)現(xiàn)，在行駛相同里程的情況下，自動(dòng)駕駛汽車發(fā)生事故的可能性是人類駕駛汽車的4000倍。這意味著，自動(dòng)駕駛技術(shù)不能妥善處理情況的概率之高非常驚人，往往要依靠人類駕駛員來(lái)接管。

研究人員和公司在試圖改善這種情況時(shí)遇到的一大挑戰(zhàn)是，在自動(dòng)駕駛汽車系統(tǒng)出現(xiàn)特定的問(wèn)題之前，很難訓(xùn)練軟件來(lái)克服它。

此外，軟件和硬件堆棧中的錯(cuò)誤僅在某些駕駛場(chǎng)景下才表現(xiàn)為安全關(guān)鍵問(wèn)題。換句話說(shuō)，在高速公路或空曠/不太擁擠的道路上進(jìn)行的自動(dòng)駕駛汽車測(cè)試可能是不夠的，因?yàn)檫@種情況下即使發(fā)生軟件/硬件故障也很少導(dǎo)致安全問(wèn)題。

車輛模擬

真的發(fā)生故障時(shí)，往往是在汽車已經(jīng)行駛了數(shù)十萬(wàn)英里之后。為了測(cè)試這些自動(dòng)駕駛汽車，需要花費(fèi)大量的時(shí)間、金錢(qián)和精力，這使得測(cè)試過(guò)程非常低效。因此，研究團(tuán)隊(duì)決定使用計(jì)算機(jī)仿真環(huán)境和人工智能來(lái)加速這一過(guò)程。

“我們將自動(dòng)駕駛汽車的軟件和硬件堆棧中的錯(cuò)誤注入到計(jì)算機(jī)仿真環(huán)境中，然后收集自動(dòng)駕駛汽車對(duì)這些問(wèn)題的響應(yīng)數(shù)據(jù)，”Jha說(shuō)。“與人類不同，當(dāng)今的AI技術(shù)無(wú)法推理出不同駕駛場(chǎng)景中可能出現(xiàn)的錯(cuò)誤。因此，需要大量的數(shù)據(jù)來(lái)教會(huì)軟件在面對(duì)軟件或硬件故障時(shí)采取正確的行動(dòng)?！?

DriveFI：4小時(shí)發(fā)現(xiàn)百度Apollo、英偉達(dá)DriveAV 561個(gè)故障

研究人員在論文“ML-based Fault Injection for Autonomous Vehicles: A Case for Bayesian Fault Injection”中，介紹了一種基于機(jī)器學(xué)習(xí)的故障注入引擎DriveFI，它能挖掘最大程度地影響自動(dòng)駕駛安全性的情況和故障，這在兩個(gè)工業(yè)級(jí)自動(dòng)駕駛系統(tǒng)(來(lái)自NVIDIA和百度)上得到了證明。

論文地址：

https://arxiv.org/pdf/1907.01051.pdf

例如，DriveFI在不到4小時(shí)的時(shí)間里發(fā)現(xiàn)了561個(gè)安全關(guān)鍵故障。相比之下，花了數(shù)周進(jìn)行的隨機(jī)注入實(shí)驗(yàn)沒(méi)有發(fā)現(xiàn)任何安全關(guān)鍵故障。

故障注入實(shí)驗(yàn)

自動(dòng)駕駛汽車(Autonomous vehicles, AVs)是一個(gè)復(fù)雜的系統(tǒng)，它使用人工智能和機(jī)器學(xué)習(xí)來(lái)集成機(jī)械、電子和計(jì)算技術(shù)以做出實(shí)時(shí)駕駛決策。AI使自動(dòng)駕駛汽車能夠在復(fù)雜的環(huán)境中導(dǎo)航，同時(shí)保持安全范圍，該安全范圍由機(jī)載傳感器(如相機(jī)、激光雷達(dá)、雷達(dá))不斷地測(cè)量和量化。因此，迫切需要對(duì)自動(dòng)駕駛技術(shù)進(jìn)行全面評(píng)估。

ADS的架構(gòu)

然而，在實(shí)際的駕駛環(huán)境中對(duì)這些系統(tǒng)進(jìn)行評(píng)估一直具有挑戰(zhàn)性，特別是由于隨機(jī)故障的出現(xiàn)。故障注入(Fault injection，F(xiàn)I)是用于測(cè)試計(jì)算和網(wǎng)絡(luò)物理系統(tǒng)在故障下的彈性和錯(cuò)誤處理能力的一種成熟方法。基于FI的自動(dòng)駕駛評(píng)估提出了一個(gè)獨(dú)特的挑戰(zhàn)，不僅因?yàn)樽詣?dòng)駕駛的復(fù)雜性，也因?yàn)锳I在這樣一個(gè)自由流動(dòng)的操作環(huán)境中的中心地位。此外，自動(dòng)駕駛系統(tǒng)代表了軟件和硬件技術(shù)的復(fù)雜集成，這些技術(shù)已經(jīng)被證明容易出現(xiàn)硬件和軟件錯(cuò)誤。未來(lái)，代碼復(fù)雜性的增加只會(huì)加劇這個(gè)問(wèn)題。

DriveFI架構(gòu)

DriveFI是一種用于自動(dòng)駕駛的智能FI框架，它通過(guò)識(shí)別可能導(dǎo)致碰撞和事故的危險(xiǎn)情況來(lái)應(yīng)對(duì)上述挑戰(zhàn)。

DriveFI包括(a)一個(gè)FI引擎，可以修改自動(dòng)駕駛系統(tǒng)(ADS)的軟件和硬件狀態(tài)以模擬故障的發(fā)生；和(b) 基于ML的故障選擇引擎，我們稱之為貝葉斯故障注入(Bayesian fault injection)，可以找到最有可能導(dǎo)致違反安全條件的情況和故障。相比之下，傳統(tǒng)的FI技術(shù)往往不關(guān)注安全違規(guī)，在實(shí)踐中表現(xiàn)率較低，并需要大量的測(cè)試時(shí)間。請(qǐng)注意，在給定一個(gè)故障模型的情況下，DriveFI也可以執(zhí)行隨機(jī)FI來(lái)獲得基線性能。