自动驾驶首次应用测试时计算！港大英伟达等新技术让AI边开边学，无人车遇变道自如应对

当开车遇到变道、加塞等场景时，驾驶员会激活“安全驾驶思维”，而自动驾驶汽车则可能表现得过于谨慎，依赖预设规则导致急刹或过度避让。为此，香港大学、英伟达和德国图宾根大学的联合团队提出Centaur方法，通过动态调整模型权重，摆脱预设规则限制，大幅提升自动驾驶在不确定性场景中的适应性与安全性。

Centaur利用Cluster Entropy评估不确定性，结合直行、转弯等多种行为聚类，使决策更具可解释性。它首次将Test-Time Training（TTT）应用于自动驾驶，通过自监督目标优化模型特征，在推理时动态调整以适应新环境，无需依赖固定规则或人工设计的成本函数。

在navtest基准测试中，Centaur取得92.6%的PDMS成绩，接近人类驾驶水平，尤其在碰撞避免等关键指标上表现优异。此外，团队推出navsafe数据集，用于评估自动驾驶系统的安全性和鲁棒性。Cluster Entropy不仅提升了PDMS，还在失败检测任务中表现最佳。相关论文已发布于arXiv，代码和checkpoint即将开源。