北京
上个月，Waymo因一系列涉及电线杆、铁丝网围栏等静止物体的事故，召回了超1200辆自动驾驶出租车。这些事件引发了对自动驾驶汽车在真实环境中响应能力的新担忧，尤其是在需要快速伦理决策的场景下。
不过，香港科技大学（HKUST）的一项突破或能让自动驾驶车辆（AVs）以人类驾驶员的道德推理能力处理交通问题。研究者开发了一种认知编码框架，可模仿人类评估风险并做出具有社会意识的决策。这一创新或能显著降低交通风险，同时提升弱势道路使用者的安全性。
由香港科技大学土木与环境工程系讲座教授杨海（音译）领导的研究团队，旨在填补自动驾驶行为中的关键空白。当前自动驾驶汽车通常采用“两两比较”的风险评估方式，即同时仅比较两个主体，这限制了其在交叉路口或学校区域等多主体复杂环境中的导航能力。
相比之下，人类驾驶员常优先考虑行人或骑行者的安全，即使这意味着推迟自身移动或接受其他地方的轻微风险。这种被称为“社会敏感性”的道德判断，正是香港科大系统现在模拟的能力。
为实现这一模拟，系统首先分析车辆周围的所有道路使用者，包括行人、骑行者、摩托车手及附近车辆，识别其可能的行为、移动速度和可预测性。例如，路边行走的儿童会被立即归类为高风险。
基于此，车辆不会平等对待所有风险，而是根据脆弱性对风险进行排序，为决策过程注入社会与伦理视角。这意味着，即使道路规则从技术上允许自动驾驶车辆前行，它也可能选择为行人让行或停车。
最后，系统加入前瞻性考量：评估车辆下一步动作（如并入车道或急转弯）可能对其他道路使用者产生的影响。若该动作可能引发急刹或拥堵，系统会选择更优替代方案。
该框架在2000个模拟交通场景中接受测试。使用该系统的自动驾驶汽车总交通风险降低26.3%，行人及骑行者的风险暴露减少51.7%，车辆自身风险降低8.3%。更值得关注的是，这些安全提升并未以牺牲效率为代价——自动驾驶汽车完成驾驶任务的平均速度提升了13.9%。
“通过模拟人类处理整体风险和道德推理的能力，我们使自动驾驶汽车在伦理模糊场景（如拥堵路口或学校附近）中表现得更负责任。”杨海教授表示。
该系统并非“一刀切”方案。杨海强调，其可根据不同地区的驾驶规范和法律结构进行调整，设计灵活适配，能与不同监管环境和社会规范对齐。下一步，团队将构建反映全球不同驾驶模式的数据集，并继续与合作伙伴对话，推动系统进入真实场景测试。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
