自動駕駛汽車已經是未來交通發展趨勢，但駕駛的安全問題成為專家如何讓完全無人駕駛汽車商用落地的阻礙。為加快自動駕駛的研究程序，美國研究學者研發出首款“可認證的感知”演算法，該演算法透過汽車間共享路況為下一代自動駕駛汽車行駛保駕護航。當車上裝備感知周圍環境時，它們必須使用演算法來估算四周環境及其位置。
這些感知演算法會有極快運算速度，但幾乎不能保證機器是否成功地正確分析了周圍的環境， 這是目前最大的問題之一。 我們的實驗室正在努力最佳化相關演算法，以提升分析的準確度。
- 首席研究員
機器感知始於裝置捕捉影象。例如自動駕駛汽車對路面靠近的汽車進行快照，快照透過一個稱為神經網路的機器學習系統在影象中生成接近汽車的後視鏡、車輪、車門等關鍵點。再根據關鍵點繪製線條，將 2D 汽車影象上檢測到的關鍵點追蹤到 3D 汽車模型中標記的 3D 關鍵點。然後，研究人員必須手動最佳化，用旋轉和平移方式讓3D 模型以與影象上的關鍵點對齊。這個3D模型將幫助機器瞭解真實世界的環境。由於許多關鍵點可能會被錯誤匹配，必須分析每條跟蹤線以檢視它是否匹配準確。該團隊的演算法將非凸問題平滑為凸問題並找到成功的匹配。如果匹配不正確，他們的演算法將知道如何繼續嘗試直到找到最佳解決方案，稱為全域性最小值。當沒有更好的解決方案時，會提交證明。這些可認證的演算法具有巨大的潛在影響，因為像自動駕駛汽車這樣的工具必須強大且值得信賴。演算法的目標是讓駕駛員在感知系統出現故障時能夠手動駕駛汽車。
透過對先前識別的車輛進行線性組合，3D 模型會變形以匹配 2D 影象。例如，該車型可以從奧迪轉變為現代，因為它記錄了實際汽車的正確構造。識別接近車輛的尺寸是防止碰撞的關鍵。首席研究員表示，要實現可信賴的自主性，是時候採用多種工具來設計下一代安全感知演算法了。必須始終有故障保護，因為沒有哪個研發的系統是完美的。自動駕駛汽車的安全預防措施將利用嚴謹的理論和計算的力量來徹底改變它可以成功實現落地。
美國研究人員一直在開發用於各種目的的機器人技術，包括幫助殘疾人。正如 OpenGov Asia 報道，美國研究人員現在已經開發出一種替代方法，他們認為可以更精確地控制假肢。將小磁珠插入截肢殘渣內的肌肉組織後，他們可以在肌肉收縮時精確測量肌肉的長度，並且可以在幾毫秒內將這種反饋傳遞給仿生假肢。在近期發表在 Science Robotics 上的一項新研究中，研究人員測試了他們稱為磁顯微法 (MM) 的新策略，並表明它可以提供快速準確的動物肌肉測量。他們希望在未來幾年內在截肢患者身上測試這種方法。
