「脱离」 （disengagement），在自动驾驶系统中是一个重要的指标。

是指当自动驾驶汽车遇到故障，脱离自动驾驶模式，改为人类驾驶员接管车辆的情况。

很多人认为「脱离」次数越少，就能说明一个自动驾驶系统能力越强。因此，以往的研究都会把「脱离」当作是故障来排除掉。

但最近，UC伯克利的研究人员却「以毒攻毒」，直接用这样的数据来训练机器人，预测未来何时将发生脱离事件。

研究人员称它为LaND——从「脱离」中学会导航。

研究人员表示，通过这样的方法得到的结果，要比传统的强化学习、模仿学习都要强。

「开」着小车取数据

老规矩，先来看下训练数据。

既然伯克利的这项研究是想「以毒攻毒」，那么就必须收集出现故障时的那些数据。

于是，研究人员用一辆Clearpath Jackal机器人做测试。

先让这个机器人自己在路上「跑」，若是遇到如下三种情况则视为出故障，即开到人行道的两侧或撞到草丛等物体。

当出现故障的情况后，机器人就会进入「脱离」状态，人类研究员便用遥控器，把它重新置于有效位置，以便让它再次自主行进。

然后研究人员把在这些过程中，从机器人摄像头等传感器获取的图像等数据收集起来，作为训练数据。

投喂到神经网络做预测

拿到数据，就要开始训练了。

目的就是用这些数据，来预测机器人在未来是否会脱离。

具体的神经网络长这样。

神经网络先使用MobileNetV2，对输入的图像观测值进行处理，紧接着是一系列的全连接层。

这些图像层的输出，将作为递归神经网络LSTM的初始隐含状态（hidden state），依次处理机器人未来的每一个动作，并输出相应的预测脱离概率。

预测可视化的结果如下：

在众多可选路径中，颜色越深（红），则表明脱离的概率越高。

性能优于传统方法

最后，研究人员拿这种「以毒攻毒」的方法，与其它两种传统方法做对比，分别是模仿学习和强化学习。

在对比实验中，三种方法所采用的数据都是一致的，实验结果如表所示。

非常明显，当机器人在2.3公里长、从未走过的人行道中行进时，强化学习方法平均每2米就会脱离一次，模仿学习则是平均每13.4米就会脱离一次。

而伯克利提出的「以毒攻毒」方法，效果非常显著——平均每87.5米才会脱离一次。

作者介绍

这项研究的作者均来自UC伯克利。

论文一作叫Gregory Kahn，是UC伯克利EECS的一名博士生。主要研究目标是开发算法，使机器人能够在现实世界中操作。

Pieter Abbeel是这项研究的另一位作者，目前在UC伯克利担任BAIR实验室的联合主任。

他的研究致力于建立更加智能的系统，其实验室推动了深度强化学习、深度模仿学习、深度非监督式学习、迁移学习、元学习、学会学习，以及研究人工智能对社会的影响。

参考链接：

https://venturebeat.com/2020/10/15/researchers-detail-land-ai-that-learns-from-autonomous-vehicle-disengagements/

论文地址：

https://arxiv.org/abs/2010.04689

“