用虚拟环境训练“更聪明”的自动配送车，清华科学家在研究这件事

如何教会自动配送车过马路，让它可以在密集人流和复杂路况下穿梭自如，又不影响行人安全？

去年，清华大学自动化系贾庆山教授团队，接到了一个非常有挑战的需求。发起方是美团自动配送车研发团队，对方希望和高校联合攻关，让自动配送车更加“聪明”，在没有云端支持的离线状态下，也可以穿越复杂的城市道路，避开障碍。

这一挑战来源于美团自动配送车的真实应用。

这台装载量150公斤的黄色“铁憨憨”，定位是解决消费者最后3公里的商品即时配送。其日常运行时长占比远高于一般乘用车，使用场景多位于人口稠密地区，相比于汽车领域的自动驾驶，自动配送车必须在复杂场景中实现更高级别的行人安全保障。

当前，美团新一代的自动配送车已可实现5cm~150m范围内的障碍物识别，360度无死角实时感知，并完成包括整车性能、整车综合耐久、低温寒区环境适应性等31个子类测试，能够大部分满足全天候运营需求。

但科研高峰永在。为让这台黄色“铁憨憨”更聪明，在城市的地面道路和复杂路况下运行自如，甚至在离线状态下也可以完成高难度的自动避障，美团自动配送车的研发工程师们便和清华自动化系的科学家们联手，共同攻克这个难题。

“比如在城市上下班高峰期的十字路口，自动车能不能实时找到缝隙，像鱼一样‘游’过去？”贾庆山也是清华大学与美团合作的智能自主配送系统的项目负责人，他认为，这个课题挑战难度很高，但价值同样巨大，在自主配送的经济性、安全性有很大提升空间。

教会无人车在人流中穿梭过红绿灯

AI的自动避障，到底和人类开车有什么区别？

人类在开车的时候，会由眼睛和耳朵等“传感器”完成对环境信息的探测和感知，然后这些信息传入大脑，大脑经过所有的处理之后，发出直接的动作指令给“控制器”——我们的手和脚。

在现实场景应用中，有个关键因素——行为风险识别。人类在穿过十字路口或面对复杂路况时，能够自然地判断出对方接下来移动方向并作出应对。

但这种对周边人员行驶意图的识别判断，对于机器来说非常困难，并且经常会遇到出乎意料之事——比如自动驾驶策略中，基于激光雷达、超声波等传感器探测与前车距离并规划路径，但如果对方处于逆行状态，前提判断条件就会失效。

通常来说，如果自动驾驶的模拟大脑，在面对一个复杂路口时，在两个行驶路径之间无法给出准确结论时，算法可以获知到这个“拿不准”行为，进一步请求“人类教练”的帮助。

但对于科学家来说，要尽可能让自动车的决策更聪明，减少人为介入的几率。过去几年中，清华大学自动化系与美团多个研发部门协同，投入大量精力研究，试图将实验室的最前沿技术应用到业务场景之中，解决实战问题。

这项名为《智能无人配送系统的感知、定位与安全强化学习》课题，便由美团自动配送团队和清华大学自动化系共同发起，主要围绕智能无人车在复杂路口通行这一应用场景，开展理论研究和算法验证。

美团自动配送团队技术负责人解释说，自动驾驶的行为处理中，系统要评价每个节点做出的策略选择是否更优。这就意味着，自动配送车在复杂路口通勤时，还要考虑到一些突发场景下的复杂问题处理，挑战难度很大。

双方希望通过这项联合科研攻关，取得一些关键性突破。比如，其中有3个重要技术指标是，在自动车配送的典型实际测试场景下，训练所用的数据量节约10%以上，局部避障规划策略比现有策略通过率提高5%以上，安