英偉達正在積極開發(fā)“安全力場”(Safety Force Field)，這是一種行動計劃堆棧中的決策策略，通過分析實時傳感器數(shù)據(jù)來監(jiān)控不安全行動。
現(xiàn)在，麻省理工學院的一個科學家團隊正在研究一種利用GPS之類的地圖和可視化數(shù)據(jù)的方法，使自動駕駛汽車能夠?qū)W習人類的駕駛模式，并將學到的知識應(yīng)用到以前從未見過的復(fù)雜規(guī)劃路線中。
他們的工作建立在由計算機科學和人工智能實驗室(CSAIL)主任丹尼爾·羅斯(Daniel Rus)設(shè)計的端到端導(dǎo)航系統(tǒng)的基礎(chǔ)上，該系統(tǒng)將于下月在加州長灘舉行的機器人和自動化國際會議上發(fā)表。
羅斯和同事們之前的模型沒有考慮目的地，而是沿著道路行駛，而新模型行駛到預(yù)定義的地方。第一論文作者、麻省理工學院研究生亞歷山大·阿米尼說:“有了我們的系統(tǒng)，你不需要事先在每條路上訓練。你可以下載一張新的地圖，讓汽車在從未見過的道路上行駛。”
正如阿米尼和其他有貢獻的研究人員解釋的那樣，他們的人工智能系統(tǒng)會從人類駕駛員那里觀察和學習如何駕駛，然后將方向盤的轉(zhuǎn)動與它通過攝像頭和輸入地圖觀察到的道路狀況聯(lián)系起來。
最終，它會知道在各種駕駛情況下最有可能的轉(zhuǎn)向指令，比如筆直的道路、十字路或T字路口、岔路口和旋轉(zhuǎn)臺。
在實驗中，研究人員向機器學習模型輸入一張隨機選擇路線的地圖。當駕駛時，該系統(tǒng)從攝像頭中提取視覺特征，使其能夠預(yù)測道路結(jié)構(gòu)，比如遠處的停車標志和路邊的斷線。此外，它將視覺數(shù)據(jù)與地圖數(shù)據(jù)進行關(guān)聯(lián)，以識別不匹配的情況，這有助于更好地確定其在道路上的位置，并確保其停留在最安全的路徑上。例如，當它在一條沒有轉(zhuǎn)彎的直線上行駛時，地圖顯示它需要右轉(zhuǎn)，但它知道要一直向前行駛。
“在現(xiàn)實世界中，傳感器確實會失靈，”阿米尼說。“我們希望通過建立一個系統(tǒng)來確保該系統(tǒng)對不同傳感器的不同故障具有魯棒性，該系統(tǒng)能夠接受這些噪聲輸入，同時仍能在道路上正確導(dǎo)航和定位。”
