自動(dòng)駕駛汽車通過人工智能技術(shù)識(shí)別行人、其他車輛以及潛在的障礙物后，就能夠在城市街道以及交通不太繁忙的環(huán)境中行駛。這一切都是在人工神經(jīng)網(wǎng)絡(luò)的幫助下實(shí)現(xiàn)，人工神經(jīng)網(wǎng)絡(luò)通過訓(xùn)練之后，能夠模仿人類的視覺感知系統(tǒng)，“看到”車輛周圍的環(huán)境。
不過，與人類不一樣，采用人工神經(jīng)網(wǎng)絡(luò)的車輛并沒有過去的記憶，無論以前在某條路上開過多少次，其總是處于第一次看到世界的狀態(tài)中。在惡劣天氣條件下，這一點(diǎn)會(huì)出現(xiàn)很大的問題，因?yàn)槠噷o法依賴傳感器，實(shí)現(xiàn)安全駕駛。
據(jù)外媒報(bào)道，美國康奈爾大學(xué)安?S?鮑爾斯計(jì)算與信息科學(xué)學(xué)院（Cornell Ann S.?Bowers College of Computing and Information Science and the College of Engineering）的研究人員同時(shí)發(fā)表了三篇論文，其中闡述了通過為汽車基于之前的經(jīng)驗(yàn)創(chuàng)造“記憶”，讓其在未來行駛導(dǎo)航中利用該記憶，從而克服以上限制。
研究人員駕駛數(shù)據(jù)收集車（圖片來源：康奈爾大學(xué)）
安?S?鮑爾斯計(jì)算機(jī)科學(xué)學(xué)院教授Kilian Weinberger表示：“根本問題就是，我們能夠從重復(fù)的經(jīng)歷中學(xué)習(xí)嗎？例如，一輛汽車的激光掃描儀第一次從遠(yuǎn)處感知到一棵形狀奇怪的樹時(shí)，可能會(huì)誤認(rèn)為這棵樹是行人。但是，一旦距離夠近，就能夠清楚物體的種類。因此，在第二次駛過同樣的樹時(shí)，即使在霧天或雪天，汽車有望學(xué)會(huì)正確識(shí)別這棵樹?！?BR> 該研究小組的博士生Katie Luo表示：“事實(shí)上，人們很少會(huì)第一次在一條路上行駛。你自己或者其他人最近都開過這條路，所以收集和利用這些經(jīng)驗(yàn)是很自然的事情。”
在博士生Carlos Diaz-Ruiz的領(lǐng)導(dǎo)下，該研究小組通過駕駛一輛裝有激光雷達(dá)（光探測(cè)與測(cè)距）的車輛，在18個(gè)月的時(shí)間內(nèi)，在伊薩卡及其周圍15公里的環(huán)路上反復(fù)行駛了40次，從而匯編了一個(gè)數(shù)據(jù)集。此次旅行捕捉了各種不同的情況：（不同的道路：高速公路、城市、校園）、不同的天氣（晴天、雨天、下雪天）以及一天中不同的時(shí)間。研究小組將該數(shù)據(jù)集命名為Ithaca365，其中擁有超60萬個(gè)場(chǎng)景。
Diaz-Ruiz表示：“其故意將自動(dòng)駕駛汽車暴露在關(guān)鍵挑戰(zhàn)之一：糟糕的天氣條件中。如果街道被雪覆蓋，人類可以依靠記憶，但是沒有記憶的話，神經(jīng)網(wǎng)絡(luò)就會(huì)遇到很大的麻煩?！?BR> HINDSIGHT是一種利用神經(jīng)網(wǎng)絡(luò)、在車輛經(jīng)過物體時(shí)，計(jì)算物體描述符的方法，然后其可以將此類描述壓縮，并被該小組命名為SQuaSH（空間量化簡短歷史）特征，并被存儲(chǔ)在一張?zhí)摂M地圖上，與存儲(chǔ)在人類大腦中的“記憶”類似。
研究人員表示：“此類信息可被當(dāng)作特征，添加到任意基于激光雷達(dá)的3D物體探測(cè)器中。之后，可以聯(lián)合訓(xùn)練探測(cè)器和SQuaSH特征，無需任何額外的監(jiān)督或人工注釋，后者既費(fèi)時(shí)又費(fèi)力?！?BR> 雖然HINDSIGHT仍然認(rèn)為人工神經(jīng)網(wǎng)絡(luò)已被訓(xùn)練，可用于探測(cè)物體，并且得到創(chuàng)造記憶的能力之后，得到了增強(qiáng)，不過MODEST（短暫移動(dòng)物體探測(cè)與自我訓(xùn)練）則發(fā)展得更遠(yuǎn)。
在該研究中，研究人員讓車輛從頭開始學(xué)習(xí)整個(gè)感知過程。一開始，車輛的人工神經(jīng)網(wǎng)絡(luò)從沒有接觸過任何物體或者街道。通過多次行駛過同一路徑，汽車可以了解到環(huán)境中哪部分是靜止的，哪部分是移動(dòng)的物體。慢慢地，其能夠教會(huì)自己其他交通參與者都有什么，忽視什么東西是安全的。
然后，該算法可以可靠地探測(cè)此類物體，甚至在之前沒有重復(fù)行駛過的道路上也可以做到。
研究人員希望，上述兩種方法都能夠大幅降低自動(dòng)駕駛汽車的研發(fā)成本（目前自動(dòng)駕駛汽車的研發(fā)仍然嚴(yán)重依賴昂貴的人工注釋數(shù)據(jù)），還能夠通過學(xué)習(xí)之前最常行駛過的路徑，讓自動(dòng)駕駛汽車更高效。
（轉(zhuǎn)載）
