十年前，谷歌開始布局無人駕駛汽車項目，將昂貴的光學雷達及高清地圖技術作為其戰略發展目標。時至今日，這兩項技術仍然是谷歌無人駕駛項目的重要支柱。
基于光學雷達和相機所獲取的數據，我們可以通過算法在地圖上定位無人汽車，但是這個方法還未能很好地滿足實際要求。無人駕駛汽車要實現在復雜環境或不斷變化的街道中駕駛，需要有很好的感知及決策能力，而這本身就具有不確定性。
現在，我們主要依靠人工智能技術——深度學習來解決這個問題。與以往不同的是，我們不再使用預設算法，而是讓系統通過實例學習，自主學會如何對一個輸入做出正確的響應。可以說，對于大部分感知任務以及一些低級的控制問題，深度學習是目前最有效的解決方法。
無人駕駛汽車需要通過感知系統去辨識正在運動的物體（汽車，行人）及固定不動的物體（路燈柱、路的邊緣）。它可以通過三種方式檢測動態對象，包括相機、激光掃描儀和雷達。在這三種方式中，相機是最便宜的，但在過去，將圖像轉化為檢測對象很困難，所以這也是使用率最低的方式。而通過深度學習，我們發現無人駕駛汽車理解和使用這些圖像的能力顯著提高。
更讓人興奮的是，我們發現“多任務深度學習”使得無人駕駛技術取得更進一步進展。多任務深度學習是指同時訓練系統去識別車道標志線、汽車以及行人，其訓練結果優于這三個子系統獨立執行，這是因為在單一網絡中，信息可以被共享。
無人駕駛技術不是完全依賴于預先設定的地圖，而是僅將地圖作為其中一個數據流，并結合傳感器獲取的數據幫助系統進行決策。比如，神經網絡系統通過地圖信息預先獲取人行橫道的位置，進而對檢測準備通過的行人，這比僅僅依靠圖像數據要準確得多。
在過去，由于自動駕駛汽車駕駛不平穩，導致許多人乘坐自動駕駛汽車時會產生暈車的感覺。現在，深度學習可以幫助我們緩解這個讓人頭疼的問題，讓自動駕駛汽車學會人類的駕駛方式及技巧，會讓乘客感覺更加自然。
現在，深度學習只是剛開始在無人駕駛技術領域中嶄露頭角。但正如它對圖片搜索和語音識別的突破性貢獻一樣，深度學習可能會改變無人駕駛技術的未來。
更多資訊請關注汽車制造頻道
網站客服
粵公網安備 44030402000946號