通過NVIDIAPilotNet，英偉達和谷歌的工程師們構建了一個基于神經(jīng)網(wǎng)絡的全新系統(tǒng)，可以通過觀察人類的行為學習駕駛汽車。研究人員在這一研究之上探索了在進行駕駛決策時應該優(yōu)先考慮哪個方面的問題。這樣一來，我們不僅無需手動為所有情況進行編程，還可以解釋系統(tǒng)作出這些決定背后的原因。

試想一下你是如何認出照片上的人的，試著把這樣一個過程分解成一系列有意義，可編程的步驟——你肯定做不到，英偉達自動駕駛首席架構師UrsMuller說道。于是問題就變成了：我們是否希望將自己的解決方案局限于只能解決那些可以通過規(guī)則定義的問題？

從人類身上學會駕駛技巧的人工智能

英偉達在他們的自動駕駛汽車BB8（基于林肯MKZ）上開發(fā)和測試了DriveWorks軟件系統(tǒng)。這項技術未來可以在任何品牌和型號的汽車上應用，其背后的深度神經(jīng)網(wǎng)絡可以將攝像頭采集到的圖像處理為控制方向盤、油門和剎車的指令。

這一系統(tǒng)通過學習人類駕駛者的操縱方式來學習駕駛汽車。神經(jīng)網(wǎng)絡通過車上安裝的攝像頭收集路面情況，隨后將圖像和駕駛者動作的記錄進行配對。研究者們記錄了大量不同環(huán)境中的駕駛數(shù)據(jù)：有畫線和沒有畫線的道路；鄉(xiāng)間小路和高速公路；一天中不同光照條件下的同一段路，以及不同天氣條件下的道路環(huán)境。

通過觀察，神經(jīng)網(wǎng)絡通過訓練在完全沒有手動輸入編程指令的情況下學會了如何駕駛BB8?，F(xiàn)在這個神經(jīng)網(wǎng)絡已經(jīng)可以在未遇到過的新環(huán)境中成功地駕駛車輛了。

人工智能如何思考

每當PilotNet開啟并運行的時候，我們都會希望看到它是如何作出決定的。對此，研究人員開發(fā)了一種可視化方法向我們展示了神經(jīng)網(wǎng)絡在思考時將哪些條件視為重要的。

為了理解PilotNet在獲取攝像頭中的信息時在關注什么，研究人員構建了一種可視化圖。下圖就是可視化圖的一個示例，它覆蓋在攝像頭獲取的圖像之上，綠色代表神經(jīng)網(wǎng)絡關注的位置。

正如圖中所示，PilotNet在駕駛汽車時關注的位置和人類駕駛者相同，包括路標、道路邊緣和其他車輛。其中最令人興奮的是：我們從未直接告訴神經(jīng)網(wǎng)絡需要注意到這些東西。計算機在訓練過程中的行為和人類在駕校中所做的一樣：通過觀察學習。

使用深度神經(jīng)網(wǎng)絡的好處在于：讓汽車自己找到解決問題的方式，而如果我們不知道它們?nèi)绾巫龀鰶Q策，我們就無法對系統(tǒng)作出進一步的改進，Muller解釋道。我們開發(fā)的可視化方式讓尋找答案成為了可能。這也給了我們更大的信心，現(xiàn)在我們或許無法解釋汽車的所有動作，但我們已經(jīng)可以把它思考的過程顯示出來了。

當自動駕駛汽車真正得到廣泛應用時，很多不同的人工智能神經(jīng)網(wǎng)絡和傳統(tǒng)技術會共同工作，驅動汽車行駛。除控制方向盤的PilotNet之外，其他的神經(jīng)網(wǎng)絡也會經(jīng)過訓練處理其他特定的任務，如行人檢測、車道識別、讀取路標、防碰撞等等。

BB8，帶我去趟星巴克

作為率先涉足自動駕駛行業(yè)的芯片公司，英偉達的自動駕駛解決方案研究同時覆蓋了軟件和硬件兩個方面：從DrivePX2車載人工智能計算機到DriveWorks開放平臺。通過使用專注于不同任務的多個AI神經(jīng)網(wǎng)絡，人們可以構建安全可靠的自動駕駛車輛?？梢韵胍娫诓痪玫膶?，人們就會享受到BB8帶來的自動駕駛服務了。

更多資訊請關注汽車制造頻道