在自动驾驶汽车技术迅猛发展的前景中，纽约大学坦登工程学院的一支研究团队揭示了一种名为神经符号元强化预测学习（NUMERLA）的算法，它能够解决适应不可预测的真实世界情景同时保持安全性的长期挑战。

该研究由纽约大学坦登电气与计算机工程副教授朱全言和他的博士候选人雷浩哲进行，已经发表在预印版服务器arXiv上。

人工智能和机器学习帮助自动驾驶汽车在日益复杂的情景中运作，使它们能够处理来自传感器的大量数据，理解复杂环境，并在遵守交通规则的同时导航城市街道。

然而，当它们进入无控环境中的真实交通混乱时，这些车辆的性能可能会出现问题，有可能导致事故。

NUMERLA旨在构建安全性和适应性之间的桥梁。该算法通过实时不断更新安全性约束，确保自动驾驶汽车能够在陌生情境中导航，同时将安全性置于首位。

NUMERLA框架的运作方式如下：当自动驾驶汽车遇到不断变化的环境时，它利用观察结果来调整对当前情况的"信念"。基于这种信念，它对未来一段时间内的性能进行预测。然后，在搜索适当的安全约束之后，更新它的知识库。

通过利用前瞻优化和安全约束来调整汽车的策略，从而得到次优但经验性的安全在线控制策略。

NUMERLA的一个关键创新之处在于其前瞻符号约束。通过对未来模式进行猜测，并结合符号安全约束，自动驾驶汽车能够在适应新情况的同时仍将安全性放在首位。

研究人员在模拟城市环境的计算机平台上对NUMERLA进行了测试，特别是为了确定它在应对闯红灯行人方面的能力，结果表明它在这些情景中表现优于其他算法。