當大多數人想到自動駕駛系統時，他們通常會想到自動駕駛汽車，但這只是這一廣泛研究領域的一部分。創建一臺可以實時做出自己決定的機器涉及一系列令人眼花繚亂的挑戰，從機器人技術到軟件設計、編碼、數學、系統科學等等。

機械工程助理教授于凱彥提供了一個涵蓋該領域廣度的定義：“自主系統能夠自動執行一系列復雜的動作。這是一個跨學科領域，涉及計算機科學、機械工程、電氣工程甚至認知科學。”

余說，系統可以是半自主或完全自主的，涉及廣泛的應用，從農業到醫療保健管理，再到智能城市的交通信號燈控制等等。

事實上，自主系統已經成為我們日常生活的一部分，從智能家居的恒溫器控制系統到手機聊天機器人，計算機科學助理教授張世奇指出。不少賓厄姆頓大學的校友在紐約市的金融科技公司工作，構建自主系統——例如，張更喜歡廣義上的“機器人”一詞——用于投資管理和其他任務。

在這里，您將遇到沃森學院的研究人員，他們正在解決復雜的問題，并為機器可以思考、做出決策以及駕駛汽車的高科技未來奠定基礎。

Zhang 使用人工智能 (AI) 算法和神經網絡，這是一種數據驅動的機器學習。最終，他的研究教會機器學習、推理和行動——甚至在某些任務中勝過人類。

在他的研究小組中，張和他的學生專注于日常場景，例如家庭、醫院、機場和購物中心。他們的工作還側重于三個研究主題：機器人決策、人機交互和機器人任務運動規劃。在國家科學基金會資助的決策研究中，他們開發了結合基于規則的人工智能方法和數據驅動的機器學習方法的算法。

“前者擅長整合人類知識，后者可以根據過去的經驗改進決策，”張說。

為了做出理性的決定，一個自治系統必須弄清楚當前的世界狀態，研究人員稱之為“感知”的品質。推理有助于機器人在感知到該狀態后弄清楚它應該做什么。通過實現，機器人完成決定的行為。人工智能方法已用于所有三個過程，但在感知方面，它們是最成功的——至少到目前為止是這樣。

“在某些條件下，人工智能可以在圖像識別和語音識別等基準任務上做得更好。與 10 年前相比，機器人可以更好地了解世界狀態，”張說。“這肯定有助于機器人做出決策并達到下一個自主水平。”

這并不意味著機器人很快就會在決策方面超越人類。例如，人類意識到某人不能同時在兩個地方，并且掉落的物體會掉到地上。需要教導人工智能將這些現實因素納入其推理過程。

“機器沒有常識。有很多事情對人來說是顯而易見的，但對 AI 來說卻不是，”張反映道。“數據驅動的方法在整合常識方面不是很有效。我們不希望自動駕駛汽車通過多次這樣做來學會避免撞到人。”

在人機交互方面，研究小組對基于對話和增強現實 (AR) 的系統感興趣。張說，對話系統幫助機器人估計人類的心理狀態，AR系統可視化機器人的心理狀態以供人類決策。從長遠來看，他希望看到更多關于創建透明和值得信賴的人工智能系統的研究，以及使用這項技術來改善殘障人士和老年人的生活。

“我希望更多地看到實驗室外的機器人，看到人和機器人在人類居住的環境中相互合作。我希望看到機器人能夠理解自己的行為，”他說。