据外媒报道，美国卡内基梅隆大学(Carnegie Mellon University)的研究人员研发了一种新标准，用于评估自动驾驶汽车对不断变化的道路状况和交通状况的反应能力，这是首次得以比较感知系统的准确性和反应时间。

图片来源：卡内基梅隆大学

卡内基梅隆大学机器人研究所的博士生Mengtian Li表示，学术研究人员倾向于开发复杂的算法来准确识别危险，不过可能需要大量的计算时间。相比之下，工业工程师往往更喜欢简单、不那么精确的算法，此种算法可能速度快，需要的计算量少，让车辆能够更快地对危险状况做出反应。

因此，卡内基梅隆大学教授与伊利诺伊大学厄巴纳-香槟分校(the University of Illinois at Urbana-Champaign)的助理教授合作研发了此种新的度量法——“流感知精确度”(streaming perception accuracy)，通过比较感知系统在每一刻的输出内容与真实世界实况信息得以测量出来。

研究人员解释表示：“当完成对传感器输入内容的处理后，世界就已经发生改变了。当处理过程发生时，汽车就已经行驶了一段距离。测量流感知的能力为现有的感知系统提供了一个新视角。”根据经典的性能衡量定律，性能良好的系统在流感知上可能表现得很差。使用新引入的度量优化此类系统则可以让此类系统的反应性更强。

该团队的研究发现，该解决方案并不一定会让感知系统的运行速度更快，只是偶尔让其适当地暂停一下。跳过某些帧的处理可以防止该系统越来越落后于实时发生的事件。

该团队的另一个发现是可以在感知处理过程中加入预测方法，就像棒球比赛中的击球手在认为球将会出现的地方挥棒一样，一辆汽车也可以预测其他交通工具和行人的一些动作。该团队的流感知测量法显示，进行此类预测所需的额外计算并不会影响到预测的准确性，或导致延迟。