据外媒报道，作为与汽车供应商大陆集团（Continental）合作的项目的一部分，认知神经信息学（Cognitive Neuroinformatics）工作组为高级驾驶辅助系统的开发贡献了重要的研究成果，并发现人工智能可以更轻松地识别复杂的交通情况。
图片来源：不来梅大学
大陆与科学合作伙伴的研究项目名为PRORETA 5。除了德国不来梅大学（University of Bremen），达姆施塔特工业大学（TU Darmstadt）和罗马尼亚的雅西技术大学（TUIASI）也参与其中。
不来梅大学认知神经信息学工作组负责人Kerstin Schill教授表示：“项目结束时，我们在达姆施塔特市进行了一次驾驶演示，对自动驾驶功能进行测试。结果显示车辆能够自主地沿着道路行驶到预定目的地，并对其他道路使用者（行人、骑自行车的人和其他车辆）做出反应。作为导致未检测到物体的模拟传感器故障的一部分，车辆还应用了紧急制动。”
算法应该做出驾驶决策
PRORETA研究项目旨在开发算法，从而使用传感器数据做出近似于人类的正确驾驶决策。例如，在不受控制的十字路口，解释与计划行进方向相关的所有对象具有挑战性，如运动方向、意图和交通优先权等问题。人工智能（AI）应该能够在没有人为干预的情况下做出安全的决策。
Kerstin Schill教授表示：“人工智能的一大优势在于，经过训练阶段后，即使在不熟悉的情况下，它也能够得出正确的结论。该项目的部分工作是观察人类驾驶员如何减少环境复杂性，以及评估过程。自适应算法现在正在根据类似的原则进行训练。”
作为该项目的一部分，该认知神经信息学工作组研究了环境感知的人工智能方法：应识别环境中的物体和障碍物。此外，该小组还开发了基于摄像头数据的人类注意力建模的新方法。研究现状创建了显着性地图（saliency maps）识别图像的相关区域，例如，其他道路使用者或标志出现的区域。他们还开发了新的数学模型，可以在数学上正确地表示其他道路使用者的位置、方向、速度或大小，并描述复杂的车辆几何形状。
更有效、更稳健、更安全地完成任务
在最后，自动驾驶车辆完成对象跟踪，能够检测监控区域内的其他道路使用者并实时评估状态。Kerstin Schill表示：“这些方法确保可以更有效、更稳健、更安全地解决相应的任务，因此可助力实现高度自动化和自动驾驶。该项目是大学与商业研究之间进行合作的理想示例。”
工作组的研究贡献详述：
Jaime Maldonado专注于自动驾驶环境下的人类注意力建模。特别开发了一个由两个组件组成的引人注目的管道。一方面，摄像头图像中的相关区域由显着图确定的。另一方面，驾驶员的目光投射到图像中，以扩大相关区域。因此自动驾驶车辆可以区分图像中的相关区域和非相关区域，并使用后续算法更有效地进行处理。
Andreas Serov应用了一个物体跟踪系统，可以检测车辆监控区域中的相关物体，并实时确定位置、速度、方向和大小。跟踪对象的列表可供后续模块（预测、计划和控制）进行进一步处理。目标跟踪是基于雷达和激光雷达数据进行的。每个对象的状态都是用一个概率过滤器来估计的，在这个过滤器中状态是在流形上处理的。
Lino Giefer研究了自动驾驶中状态估计和理论原理表示，并开发新模型来以数学上正确的方式描述铰接式车辆，例如公共汽车、有轨电车和带拖车的车辆。此外，
Razieh Khamseh-Ashari使用AI方法研究了基于激光雷达和相机数据的多模态目标检测。早期传感器输入的融合实现了对监控区域中物体的高精度定位。
