深度驾驶——人工智能技术将改变无人驾驶

十年前，谷歌开始布局无人驾驶汽车项目，将昂贵的光学雷达及高清地图技术作为其战略发展目标。时至今日，这两项技术仍然是谷歌无人驾驶项目的重要支柱。

基于光学雷达和相机所获取的数据，我们可以通过算法在地图上定位无人汽车，但是这个方法还未能很好地满足实际要求。无人驾驶汽车要实现在复杂环境或不断变化的街道中驾驶，需要有很好的感知及决策能力，而这本身就具有不确定性。

现在，我们主要依靠人工智能技术——深度学习来解决这个问题。与以往不同的是，我们不再使用预设算法，而是让系统通过实例学习，自主学会如何对一个输入做出正确的响应。可以说，对于大部分感知任务以及一些低级的控制问题，深度学习是目前最有效的解决方法。

无人驾驶汽车需要通过感知系统去辨识正在运动的物体（汽车，行人）及固定不动的物体（路灯柱、路的边缘）。它可以通过三种方式检测动态对象，包括相机、激光扫描仪和雷达。在这三种方式中，相机是最便宜的，但在过去，将图像转化为检测对象很困难，所以这也是使用率最低的方式。而通过深度学习，我们发现无人驾驶汽车理解和使用这些图像的能力显著提高。

更让人兴奋的是，我们发现“多任务深度学习”使得无人驾驶技术取得更进一步进展。多任务深度学习是指同时训练系统去识别车道标志线、汽车以及行人，其训练结果优于这三个子系统独立执行，这是因为在单一网络中，信息可以被共享。

无人驾驶技术不是完全依赖于预先设定的地图，而是仅将地图作为其中一个数据流，并结合传感器获取的数据帮助系统进行决策。比如，神经网络系统通过地图信息预先获取人行横道的位置，进而对检测准备通过的行人，这比仅仅依靠图像数据要准确得多。

在过去，由于自动驾驶汽车驾驶不平稳，导致许多人乘坐自动驾驶汽车时会产生晕车的感觉。现在，深度学习可以帮助我们缓解这个让人头疼的问题，让自动驾驶汽车学会人类的驾驶方式及技巧，会让乘客感觉更加自然。

现在，深度学习只是刚开始在无人驾驶技术领域中崭露头角。但正如它对图片搜索和语音识别的突破性贡献一样，深度学习可能会改变无人驾驶技术的未来。

声明：本网站所收集的部分公开资料来源于互联网，转载的目的在于传递更多信息及用于网络分享，并不代表本站赞同其观点和对其真实性负责，也不构成任何其他建议。本站部分作品是由网友自主投稿和发布、编辑整理上传，对此类作品本站仅提供交流平台，不为其版权负责。如果您发现网站上所用视频、图片、文字如涉及作品版权问题，请第一时间告知，我们将根据您提供的证明材料确认版权并按国家标准支付稿酬或立即删除内容，以保证您的权益！联系电话：010-58612588 或 Email:editor@mmsonline.com.cn。