現代汽車集團宣布開發了全球首款基于機器學習的智能巡航控制技術，可識別和分析駕駛模式，打造定制的自動駕駛體驗。

基于機器學習的智能巡航控制

對于駕駛愛好者來說，將制動和加速控制權轉讓給諸如自適應巡航控制之類的駕駛輔助系統可能會感到有些放松，但也可能會感到有些機械，因為目前人工智能在汽車上的應用還并不完善，自適應巡航系統往往會出現反應遲鈍、跑偏或者比較小心翼翼的跟車以及加速過快等問題，讓一些系統變得很雞肋。

為了給AI帶來一些人的直覺，現代汽車透露正在開發一種新型的巡航控制系統，該技術可以研究方向盤后面人的駕駛方式，然后在機器學習的幫助下模仿他們的習慣。

現代汽車稱該新系統為SCC－ML，即基于機器學習的智能巡航控制系統，它是該公司高級駕駛員輔助系統（ADAS）的一部分。

它稱SCC－ML是第一個結合人工智能的巡航控制技術。它通過使用傳感器，攝像頭和車載計算機來監視駕駛員的模式和習慣，從而發揮作用。這可能包括其典型的跟隨距離和加速度。然后，通過機器學習算法運行數據，以模仿其駕駛風格。

智能巡航控制（SCC）支持基本的自動駕駛功能和ADAS核心技術，在以駕駛員選定的速度行駛時，可以保持與前方車輛的距離。SCC－ ML將AI和智能巡航控制集成到一個系統中，可以學習駕駛員的駕駛模式和習慣。通過機器學習，智能巡航控制系統采用與駕駛員相同的模式，進行自動駕駛。

為了操作智能巡航控制，駕駛員需要手動調整駕駛模式，如與前車的距離和加速度。如果沒有機器學習技術，就無法對設置進行細微調整，從而適應駕駛員的個人偏好。例如，在高速、中速和低速環境中，即使是同一個駕駛員也可能根據不同的環境，采取不同的加速度，但卻無法進行細致的微調。因此，當智能巡航控制啟用時，并且車輛的操作方式與駕駛員所希望的不同時，他們會感覺到差異，而不愿使用該技術，因為這會讓他們感到焦慮和不安。

現代汽車集團研發的SCC－ML的工作原理為：首先，前置攝像頭、雷達等傳感器不斷獲取駕駛信息，并將其發送到中央計算機。然后，計算機從收集的信息中提取相關細節，從而識別駕駛員的駕駛模式。該過程使用了機器學習算法。

駕駛模式可以分為三個部分：與前車的距離、加速（加速的速度）和響應（對駕駛條件的響應速度）。此外，還考慮了駕駛條件和速度。例如，在市區慢速行駛時，與前車保持較短距離，在快車道行駛時，與前車保持較遠距離。針對這些不同的情況，SCC－ML進行分析，區分上萬種模式，開發出靈活的智能巡航控制技術，適應所有駕駛員的駕駛模式。

駕駛模式信息與傳感器會定期更新，反映駕駛員的最新駕駛風格。此外，SCC－ML經過專門編程，避免學習不安全的駕駛模式，增加了可靠性和安全性。未來的高速公路駕駛輔助系統將具備自動變道輔助功能，意味著SCC－ML可達到L2．5自動駕駛。

ADAS功能的焦慮

目前新款的智能車都配備了很多駕駛輔助功能，成為銷售時的賣點之一，然而在實際使用過程中，并沒有為駕駛員分擔駕駛壓力，反而讓人覺得很焦慮。

這家韓國汽車制造商表示，其技術是針對顧客的焦慮而開發的，這種焦慮是由于客戶在駕駛方式與巡航控制模式下的行為之間存在差異時引起的。它說這導致根本不愿使用該功能。

現代汽車集團副總裁Woongjun Jang說：“新的SCC－ML改進了先前ADAS技術的智能性，從而大大提高了半自動功能的實用性。” “現代汽車集團將繼續致力于創新AI技術的開發工作，在自動駕駛領域引領行業。”

系統可靠性

據了解，目前該系統還并沒有在實車上引用，不過這種基于機器學習算法的調效方法也未必完全可靠。建立一個機器學習模型需要在大量的例子上訓練它，然后在一堆它還沒有見過的類似的例子上測試它。當模型通過測試時，就完成了。

然而根據最近谷歌的研究人員指出，這樣的機器學習標準太低了。訓練過程可以產生許多不同的全部通過測試的模型，但是這些模型會有一些小差異，取決于諸如在培訓開始之前隨機值的神經網絡中的節點、訓練數據、被選中或者代表的方式、培訓運行的數量等等。如果這些微小的、隨機的差異不影響模型在測試中的表現，它們通常會被忽視。但事實證明，在現實世界中，它們會導致巨大的表現差異。

所以，現代這種基于機器學習的智能巡航技術仍需要被進一步拷證。

責任編輯：haq