EEG-trening gjør autonom kjøring mer menneskelig og trygg

Forskerteamet ved Institute for Intelligent Industry (AIR) ved Tsinghua University har lagt fram et markant fremskritt for selvkjøring. Kunngjort på NeurIPS 2025, handler arbeidet om en metode som lar autopilotsystemer trekke veksler på hjernens kognitive evner.

Tilnærmingen, som forskerne kaller kognitivt forsterket autonom kjøring, bruker EEG-signaler fra menneskelige førere til å trene modeller slik at de tar beslutninger mer på menneskers vis. Et viktig poeng er at produksjonsbiler ikke trenger EEG-sensorer; kostnadsnivået forblir dermed uendret.

Treningsarkitekturen, døpt drive-think, kombinerer kameradata fra bilen med EEG under forberedelsesfasen for å hente ut skjulte kognitive reaksjoner på trafikksituasjoner. Ved hjelp av kontrastiv læring lærer kjörenettverket å gjenskape disse reaksjonene når det vurderer omgivelsene.

Opplæringen skjer i to trinn. Først formes kognitive ferdigheter fra hjerneaktivitet hos mennesker; deretter, i faktisk bruk, baserer systemet seg kun på standard videostrøm fra kameraene. Effekten er at menneskelig kjøreerfaring overføres til maskinsynsmodellen i en implisitt form.

Tester på datasettet nuScenes og simuleringsplattformen Bench2Drive ga tydelige utslag: feilen i baneplanlegging falt, og antallet kollisjoner sank med om lag 18–26 %. I komplekse, risikofylte situasjoner – som brå innflettinger – oppførte systemet seg mer varsomt og forutsigbart, nærmere det mennesker gjør. Helhetsbildet peker mot en reell sikkerhetsgevinst.

Ifølge forskerne er dette den første studien som direkte bruker menneskelige kognitive ferdigheter for å forbedre ende-til-ende-systemer for autonom kjøring. Arbeidet åpner dører for tryggere autopiloter og for å utvikle fysisk intelligens med utgangspunkt i hvordan hjernen opererer – en interessant bro mellom nevrovitenskap og maskinsansning som ikke tilfører ekstra maskinvarebyrde. Hvis resultatene står seg utenfor testoppsettene, lukter dette av en pragmatisk vei videre for selvkjøring.