建造指导自动驾驶汽车或其他自动驾驶汽车的大脑足够挑战。从干净的计算机模拟到现实世界中混乱的不可预测性时，确保该数字飞行员仍然可靠。
Cu Boulder混合控制系统实验室有一个解决方案 - 一种如此创新，以至于被认为是五个最具破坏性的想法之一第二届神经符号系统国际会议并从国防高级研究项目局获得了100,000美元的赠款。
纸，标题为“ 用于控制转移的随机神经模拟关系，由博士生撰写Alireza Nadali与副教授Majid Zamani和Ashutosh Trivedi。
传统上，工程师每次切换到其他自动驾驶汽车或环境时都必须从头开始重新设计其控制系统。
我们提出了一个更聪明，更简单的解决方案：一个ai translator，将控制逻辑从模拟转移到现实世界的应用，” nadali说。
他解释说，翻译人员是由神经网络构建的，这些神经网络了解可预测的，可信赖的模拟与现实世界中的复杂性如何相关。
经过培训后，它可以使任何在模拟中设计和证明的控制器能够立即在物理系统上工作。翻译器实时调整控制信号，以确保实际车辆的行为与模拟模型紧密匹配。
领导混合控制系统实验室的Zamani说，与传统的试用方法不同，我们的翻译人员以严格的数学为基础，提供了清晰的概率保证。”它确保了真正的车辆的行为一致地反映了预定义的错误余量内的模拟，并消除了对昂贵且耗时的耗时验证的需求。”
通过将深度学习AI的灵活性和效率与正式验证方法的精确度相结合，该方法可大大减少开发时间，从而使工程师可以确保跨不同车辆和场景重复使用控制器。”
团队的工作与会议的更广泛的目标保持一致，该目标旨在将新颖的概念，理论和实践汇总在一起，以推动神经符号计算的科学和应用。会议强调了神经符号系统的设计，分析和合成技术，对保证指标，稳健性和从设计到生产的翻译方便特别感兴趣。
``本质上，我们的工作弥合了AI驱动的控制与形式，数学支持的保证之间的差距，从而使更安全，更快，更有效的自主系统实践到实践范围内，” Trivedi说。编程语言和验证实验室。一个