創(chuàng)造能夠像人類一樣思考的無人駕駛汽車，是Waymo、通用汽車的Cruise、優(yōu)步(Uber)等公司長期以來的追求。英特爾的Mobileye提出了一個數(shù)學模型——Responsibility-Sensitive Safety (RSS)，它將其描述為一種“常識”的道路決策方法，將良好的習慣編纂成書，比如給其他汽車讓路。

　　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學習人類的駕駛模式，并將學到的知識應用到以前從未見過的復雜規(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)設計的端到端導航系統(tǒng)的基礎上，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向指令，比如筆直的道路、十字路或T字路口、岔路口和旋轉臺。

　　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，使其能夠預測道路結構，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，當它在一條沒有轉彎的直線上行駛時，地圖顯示它需要右轉，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航和定位。”