人工智能在未來(lái)必將受到高度關(guān)注。
說(shuō)到人工智能，就不得不提自動(dòng)駕駛技術(shù)。
現(xiàn)今的自動(dòng)駕駛技術(shù)，還不能稱(chēng)為真正意義上的人工智能，因?yàn)槠洳荒茉诠δ苌蠈?shí)現(xiàn)完全的類(lèi)人判斷。
與自動(dòng)駕駛汽車(chē)相比，人類(lèi)駕駛員特別擅長(zhǎng)通過(guò)觀(guān)察和使用簡(jiǎn)單的工具來(lái)導(dǎo)航他們以前從未駕駛過(guò)的道路。只有給自動(dòng)駕駛汽車(chē)帶來(lái)更多類(lèi)似人類(lèi)的推理與判斷，它才能像人類(lèi)駕駛員一樣，只使用簡(jiǎn)單的地圖和可視化數(shù)據(jù)，便能夠在新的復(fù)雜環(huán)境中實(shí)現(xiàn)自主導(dǎo)航。
然而，技術(shù)的瓶頸使得無(wú)人駕駛汽車(chē)很難做到這一點(diǎn)。在每一個(gè)新的復(fù)雜地區(qū)，自動(dòng)駕駛汽車(chē)必須通過(guò)數(shù)字地圖分析所有的道路，而這一過(guò)程不僅非常耗時(shí)，更與人類(lèi)的駕駛習(xí)慣相悖。具體來(lái)說(shuō)，現(xiàn)今的自動(dòng)駕駛系統(tǒng)高度依賴(lài)數(shù)字化地圖(這些地圖通常是通過(guò)3d掃描生成的)，這些地圖的生成和實(shí)時(shí)處理需要進(jìn)行大量的計(jì)算。新型端到端系統(tǒng)：自動(dòng)駕駛技術(shù)新突破
在未來(lái)，我們需要一種自動(dòng)駕駛控制系統(tǒng)，僅使用攝像機(jī)數(shù)據(jù)和一個(gè)類(lèi)似GPS的簡(jiǎn)單地圖，就能“學(xué)習(xí)”人類(lèi)司機(jī)行駛時(shí)的駕駛模式，而這才是未來(lái)人工智能所必經(jīng)的道路。我們要求該自動(dòng)駕駛系統(tǒng)經(jīng)過(guò)訓(xùn)練，就可以模仿人類(lèi)駕駛員來(lái)控制無(wú)人駕駛汽車(chē)沿著計(jì)劃好的路線(xiàn)行駛在一個(gè)全新的未知區(qū)域。與人類(lèi)駕駛員類(lèi)似，我們還要求該系統(tǒng)能檢測(cè)出地圖與道路特征之間的任何不匹配問(wèn)題用以及時(shí)的確定車(chē)輛當(dāng)前的位置、傳感器狀態(tài)或地圖定位問(wèn)題，以便實(shí)時(shí)糾正汽車(chē)的航向。
一種新型的端對(duì)端導(dǎo)航系統(tǒng)，為實(shí)現(xiàn)上述特點(diǎn)帶來(lái)了希望。
傳統(tǒng)的導(dǎo)航系統(tǒng)通過(guò)多個(gè)模塊來(lái)處理傳感器的數(shù)據(jù)，這些模塊為定位、映射、目標(biāo)檢測(cè)、運(yùn)動(dòng)規(guī)劃和轉(zhuǎn)向控制等任務(wù)定制。多年來(lái)，無(wú)數(shù)的科研團(tuán)隊(duì)一直在開(kāi)發(fā)一種“端到端”導(dǎo)航系統(tǒng)，該系統(tǒng)能夠直接處理輸入的感官數(shù)據(jù)和輸出的轉(zhuǎn)向命令，而不需要中間任何專(zhuān)門(mén)的模塊。然而，到目前為止，這些模型都是嚴(yán)格按照安全路線(xiàn)設(shè)計(jì)的，沒(méi)有考慮真正駕駛時(shí)的隨機(jī)目的地問(wèn)題。
傳感器
近期，麻省理工的研究人員改進(jìn)了現(xiàn)今的端到端系統(tǒng)，使得自動(dòng)駕駛汽車(chē)在一個(gè)以前從未訓(xùn)練過(guò)的現(xiàn)實(shí)環(huán)境中實(shí)現(xiàn)了安全的駕駛。為了做到這一點(diǎn)，麻省理工的研究人員訓(xùn)練該系統(tǒng)，要求其能預(yù)測(cè)在任何給定的駕駛時(shí)刻所有可能的駕駛指令，這在概率論中被稱(chēng)為全概率分布。具體在訓(xùn)練時(shí)，使用的是常規(guī)的卷積神經(jīng)網(wǎng)絡(luò)(CNN)機(jī)器學(xué)習(xí)模型，該模型被廣泛用于圖像識(shí)別領(lǐng)域中。具體來(lái)說(shuō)，在訓(xùn)練過(guò)程中，系統(tǒng)首先從人類(lèi)駕駛員那里觀(guān)察和學(xué)習(xí)人類(lèi)如何的駕駛汽車(chē)，CNN模型將方向盤(pán)的轉(zhuǎn)動(dòng)與它通過(guò)攝像機(jī)和輸入地圖觀(guān)察到的道路曲率聯(lián)系起來(lái)。通過(guò)大量數(shù)據(jù)的訓(xùn)練，它學(xué)會(huì)了在各種駕駛情況下發(fā)出最有可能的轉(zhuǎn)向指令，這使得該系統(tǒng)可以輕松應(yīng)對(duì)各種道路。不負(fù)眾望：道路實(shí)測(cè)
在測(cè)試中，研究人員向系統(tǒng)輸入一張隨機(jī)選擇路線(xiàn)的地圖。當(dāng)駕駛時(shí)，該系統(tǒng)從攝像頭中提取視覺(jué)特征，使其能夠預(yù)測(cè)道路結(jié)構(gòu)。例如，它識(shí)別一個(gè)遙遠(yuǎn)的停車(chē)標(biāo)志或路邊的換行標(biāo)志，作為即將到來(lái)的十字路口的標(biāo)志。在任意時(shí)刻，它都使用其預(yù)測(cè)的轉(zhuǎn)向命令概率分布來(lái)選擇最有可能遵循其路線(xiàn)的命令。
麻省理工的研究人員說(shuō)，該系統(tǒng)最出色之處是其能夠使用易于存儲(chǔ)和處理的地圖數(shù)據(jù)。通常的自動(dòng)控制系統(tǒng)往往使用激光雷達(dá)掃描來(lái)創(chuàng)建大規(guī)模、復(fù)雜的地圖信息數(shù)據(jù)，僅存儲(chǔ)舊金山一個(gè)城市就需要大約4,000 GB (4 TB)的數(shù)據(jù)。而對(duì)于每個(gè)新目的地，汽車(chē)又必須創(chuàng)建一個(gè)新的地圖，這意味著要重復(fù)處理大量的數(shù)據(jù)。而對(duì)于這一新系統(tǒng)，研究人員使用的地圖只需要40GB的數(shù)據(jù)就能捕捉到整個(gè)世界的任意一條道路。在自動(dòng)駕駛過(guò)程中，系統(tǒng)還會(huì)不斷地將其視覺(jué)數(shù)據(jù)與地圖數(shù)據(jù)進(jìn)行匹配，并記錄任何不匹配的地方。這樣做有助于自動(dòng)駕駛汽車(chē)更好地確定它在道路上的位置。如果輸入的信息相互矛盾，它還能確保汽車(chē)保持在最安全的路徑上。比如，如果汽車(chē)在一條沒(méi)有轉(zhuǎn)彎的直線(xiàn)上行駛，而GPS顯示汽車(chē)必須右轉(zhuǎn)，汽車(chē)就會(huì)知道是繼續(xù)直線(xiàn)行駛還是停下來(lái)。
結(jié)尾：砥礪前行 路在遠(yuǎn)方
自動(dòng)駕駛技術(shù)在不斷的完善，也寓意著人工智能技術(shù)從新生到成長(zhǎng)，如果問(wèn)人工智能的路在何方，我想說(shuō)，未來(lái)可期，路在遠(yuǎn)方。
