新方法用概念解释自动驾驶决策，帮助人类预判失误

麻省理工学院与自动驾驶技术公司Motional合作，开发了一种名为“概念包装网络”（CW-Net）的新方法，旨在帮助人类更好地预测自动驾驶汽车何时会犯错。该研究发表在《自然》杂志上。自动驾驶汽车的控制器常采用深度学习模型模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身，这些模型模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身在意外情况下可能失效，例如无故刹车挡住救护车，此时人类司机或乘客需迅速反应以防碰撞。然而，深度学习模型模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身的内部推理过程通常不透明，难以理解。CW-Net通过将模型模型AI 模型的简称，指经过训练、能从输入算出输出的程序。机器人的模型输入画面和指令，输出动作。◆ 小白科普 · 现身的推理过程转化为易理解的概念，如“接近停止的车辆”或“靠近骑行者”，来忠实描述决策，且不影响驾驶性能。在私人赛道的道路测试中，CW-Net的解释帮助安全驾驶员更准确地预测车辆行为；针对非专业用户的大规模模拟研究也取得了类似结果。该技术为工程师调试车用AI系统提供了重要反馈，长期有望提升自动驾驶的安全性与透明度。