研究人员承认，自动驾驶汽车有时的确会卷入事故，但这不是算法的问题，而是后面的车辆由于操作不当导致追尾事故发生。
为了解决这种不可预测的问题，研究人员采用了“基于可实现性”的方法，这意味着他们的模型仅设计用于寻找可行的解决方案，而且满足一系列的交通和安全规定。算法中使用的规则基于《维也纳道路交通公约》中有关驾驶员的指导原则。
当汽车在高速公路上快速行驶时，在方向盘上打个盹是一个可怕的想法，但是随着自动驾驶汽车技术的不断发展，在通勤的路上多睡几分钟可能不再是梦想。
这个算法还可以应对一些意外出现的情况，例如突然出现行人或骑自行车的人。只有当自动驾驶汽车被认为能够比人类驾驶员更安全地驾驶，才能被大范围使用，建立人们对自动驾驶汽车的信任是让更多自动驾驶汽车上路的重要步骤，最终目的是降低事故死亡人数。
在最近发表于《自然机器智能》(Nature Machine Intelligence)杂志上的一篇研究论文中，研究人员解释了他们的方法在几个关键方面与典型的概率机器学习算法有何不同。这篇论文的第一作者是慕尼黑工业大学的博士后克里斯蒂安?佩克(Christian Pek)。
佩克解释说，概率分析通常会产生一个模型，试图呈现下一步可能发生的事情。如果该模型对情况的预测（例如预计即将驶来的汽车可能会向右转）与现实（例如这辆汽车实际上向左转）不一致，那将可能导致碰撞事故。
为了最终推出自动驾驶汽车，多个国家的研究人员已经开展了实际道路测试，由于技术尚不完善，很多方面也考虑不周，一些道路测试已经带来伤亡。例如，在2018年3月，优步的自动驾驶汽车在美国亚利桑那州撞死了一名横穿马路的行人。
简单地总结，就是只做避免可能危害或阻碍交通的任何行为。这是在所有其他车辆和行人也都遵守规则的假设前提下，研究人员称这些规则在法律上是安全的。
佩克说，与概率模型不同，这个具有可实现性的模型可以同时考虑所有合法和实际可能的交通行为，并为车辆找到安全的操作。
不过，这并不意味着该算法可以保护人们免受道路上所有形式危险的伤害。例如，这个算法无法保护恶意驾驶，因为这种驾驶方式被认为是不合法的驾驶。
工作原理：训练汽车不改变方向，这听起来可能很简单，但是当人类驾驶员或行人这些无法预测的因素出现时，将会带来无数种现实生活中的场景。
这个算法不是训练车辆记住数百万种不同的交通场景，而是在出现意外情况后立即分析车辆和行人的轨迹，然后在车辆速度等不同的环境变量和行人等周围障碍物中计算出最安全的路线。
不过围绕这个愿景存在许多问题，其中最主要的是，人们不信任自动驾驶汽车，至少在将自己的生命交给汽车负责方面信心不足。
下一步：用智能自动驾驶汽车代替人类驾驶员，预计将使与交通事故有关的死亡人数大幅减少90%。根据美国国家公路交通安全管理局2017年的数据，这种算法每年可以挽救近3万人的生命。进行这项研究的研究人员希望，他们的算法能够在让公众建立对这些自动驾驶车辆的信任，并实现更安全的交通方面发挥重要作用。
该算法的目标是实时做出决策，实质上是让车辆上的计算机在极短的时间里来推算出每种情况所带来的后果。然后，计算机找到一条前进的路径，避免所有可能的时间线上所有潜在的危险情况。
论文的合作者、慕尼黑工业大学的博士Stefanie Manzinger说，由于机器学习算法的决策过程通常是一个黑匣子，也就是说很难了解它们的“思维过程”，因此无法知道机器是否“做出了不安全的决定”。
如果没有安全的前进道路，那么算法默认选择安全保护，让车辆安全地离开不利的交通情况。研究人员发现，算法任何时候都不会推荐任何不安全的路径。
测试方法：这项研究并未在真实的交通场景中测试算法，而是在模拟环境下使用真实场景采集的交通数据进行测试，检验算法。
当把算法应用于不同的现实生活场景时，例如在繁忙的十字路口左转或避开随意穿越马路的行人，研究人员发现他们的算法每次都会给出不会出现碰撞的路径。
然而，德国计算机科学家的研究可能会改变公众的想法，如果道路上的其他驾驶员以负责任的态度驾驶，那么这些研究人员设计的算法将使自动驾驶汽车避免出现事故，其中一个重要的想法是，车辆只能做出不会出现事故和造成伤害的选择，从而保护乘客和行人。
研究人员说，为了让公众普遍接受自动驾驶车辆，必须解决所有的安全顾虑，让使用道路的人完全满意。
