在自动驾驶汽车测试过程中，会产生大量数据。据外媒报道，多家研究机构和公司合作成立联合项目KIsSME，旨在减少数据量，以节省存储空间，减少能耗和评估工作，同时压缩信息，使车辆更安全。该项目英文名称首字母缩写代表“Artificial Intelligence for the selective near-real-time recording of scenario and manoeuvre data during the testing of highly automated vehicles（高度自动化车辆测试中选择性近实时记录场景和行为数据的人工智能）”，致力于开发基于AI的算法，在驾驶过程中选择数据，并将其分类到场景目录。

（图片来源：www.eenewsautomotive.com）

自动驾驶汽车配备许多传感器，以记录车辆状态和周围环境信息，车辆必须根据这些信息，在尽可能短的时间内做出可靠的驾驶决策。在测试过程中，车辆必须行驶数百万公里，并了解各种不同的场景，这些场景融合了基础设施、天气和其他道路使用者及其行为。每辆汽车每天产生的数据量可达8TB，处理如此庞大的数据量对于汽车测试和开发工程师而言是一项巨大的挑战。减少数据量的方法之一是创建驾驶场景目录，并在测试过程中对新出现的场景进行排序。

此种方法允许测试人员在驾驶过程中只记录增加实际价值的数据，KIsSME项目的科学家们正在开发AI算法，在驾驶过程中选择已有数据。该项目涉及L4至L5自动驾驶，即针对特定驾驶场景的自动驾驶汽车，以及全自动驾驶机器人出租车。卡尔斯鲁厄理工学院（KIT）车辆系统工程研究所副主任Michael Frey解释称，“KIsSME的目标是扩大场景目录，同时减少数据量”。

KIT研究人员在城市公共交通和德国卡尔斯鲁厄Autonomous Driving Baden-Württemberg （TAF BW）试场中进行测试驾驶，并在KIT的完整车辆测试台上进行闭环车辆仿真测试，以便为项目提供真实驾驶测试和仿真数据。此外，研究人员正在测试项目开发的AI模型和AI选择器，将合作伙伴开发的算法用于测试和仿真数据。

KIsSME联合项目由AVL组织协调，合作伙伴包括KIT、弗劳恩霍夫高速动力学研究所（Fraunhofer Institute for High-Speed Dynamics）、尔斯特马赫研究院（Ernst Mach Institute），FZI信息技术研究中心、以及罗伯特博世（Robert Bosch）。德国联邦经济事务和能源部（BMWi）为KIsSME项目提供了650万欧元的资助资金。该项目于2021年初启动，研究结果将在三年内公布。