人工智能（AI）是打造未来自动驾驶的核心，但是仍有很多安全问题亟待解决。据外媒报道，奥地利格拉茨理工大学（TU Graz）的研究人员打造了一种强大的AI增强型雷达，可帮助改进现有的雷达技术，还有助于解决安全问题。
格拉茨理工大学正与英飞凌合作，为自动驾驶研发新型雷达传感器（图片来源：英飞凌）
自动驾驶和驾驶辅助系统依赖于激光雷达、超声波和雷达等各种各样的先进传感器系统，此类系统能够反馈有关周围环境的关键信息，帮助车辆安全运行。尤其是，雷达传感器能够将周围车辆和物体的位置及速度信息传递给行驶中的车辆。不过，此类系统容易受到交通中的一些干扰和环境的影响，例如，受到其他（雷达）设备的干扰。此外，雷达还会受到能够导致噪音的极端天气的严重影响，产生不好的测量质量。因此，研发出能够过滤噪音和干扰信息且通过AI技术增强的雷达系统，也就意味着自动驾驶应用在向更安全的目标探测系统转变。
卷积神经网络
格拉茨理工大学团队通过研发一种基于神经网络的人工智能模型，消除了雷达信号的干扰。此外，该模型的功能远超现有技术。
现在，该团队的目标是优化该模型，让其能够在固定参数以及固有学习模式之外仍可工作，并研发出让其能够更可靠地识别物体的能力。
最开始，研究人员们研发了基于卷积神经网络（CNN）的自动噪音抑制模型架构。CNN能够过滤所有视觉输入信息，并确定特定的连接，以生成完整的图像。
此种架构的打造方式意味着，与当前的雷达系统相比，CNN在处理信息时会消耗更少的内存，但是将实现更大、更先进的能力。格拉茨理工大学团队的主要目标是大幅提升现有系统的效率，同时推出一种在现实环境中具有更强大能力的新技术。
先进强大的技术
在试验过程中，格拉茨理工大学团队通过噪音数据和所需的输出值来训练各种神经网络。然后，通过分析内存空间和每个去噪过程所需的计算操作数量，确定了特别小且迅速的模型架构。然后，通过减少位宽（即用于存储模型参数的位数）再次压缩效率最高的模型，最终产生了一个同时具有高过滤性能和低能耗的AI模型。出色的去噪结果，加上89%的F1得分（测试准确度的衡量标准）使其具有的物体探测率几乎相当于未受干扰的雷达信号。因此，干扰信号已经从测量信号中完全被去除。
用数字表示则为，位宽为8的模型与位宽为32的同类模型性能相同，但是内存只需218KB，相当于减少了75%的存储空间，也意味着该模型远超现有的最先进水平。
下一步，格拉茨理工大学团队将专注于REPAIR项目（用于雷达传感器的强大且可解释性AI），以优化该款AI增强型雷达系统。目前，该团队正在与英飞凌合作。
这也意味着该系统将能够忍受高水平的干扰，并展示出更强大的鲁棒性；该团队将研发出一款不仅能够提升效率、还有助于防止自动驾驶应用中出现任何灾难性事故的雷达系统。