斯坦福机器人讲座 | 2026年冬季 | 为AI提速

本次讲座涵盖以下内容：
• 如何完善测试方法以提升自动驾驶车辆的安全性
• 高速自动驾驶赛车如何成为独特的试验场，用以检验人工智能物理能力的边界
• 在高速行驶且与其他车辆近距离竞速时，如何暴露感知、规划与控制中尚未解决的挑战

视频 AI 总结：该视频探讨了 AI 在开放系统（如自动驾驶）中面临的挑战，指出尽管 AI 在封闭系统（如象棋）中已超越人类，但在动态、不确定的物理世界中仍难以达到人类水平。演讲者通过其团队在自动驾驶赛车领域的研究，展示了如何利用极限测试、仿真和多智能体协作来推动物理 AI 的发展，并强调了安全性与可重复性的重要性。

主要内容：

• 自动驾驶作为开放系统，面临不确定性和边缘案例的挑战，与封闭系统（如象棋）不同。
• 提出了衡量自动驾驶安全性的比较方法，通过场景嵌入和相似性搜索来评估不同车辆安全水平。
• 利用仿真自动生成自动驾驶的失败场景（如 CRASH 方法），通过对抗性强化学习提高系统鲁棒性。
• 通过赛车项目（F1/10 到全尺寸 Indy 赛车）验证物理 AI，展示了贝塞尔曲线和概率方法在高速度下的有效性。
• 从仿真到实车的扩展，包括赛道测试、多车竞速和故障处理，最终赢得 Indy Autonomous Challenge 并创造世界纪录。
• 展望未来，目标是从赛车推广到通用驾驶智能，推动 AI 在物理世界中的发展。 如需了解更多关于斯坦福研究生课程的信息，请访问：https://online.stanford.edu/graduate-education

2026年1月30日
Madhur Behl 博士，弗吉尼亚大学计算机科学系副教授，亚马逊学者