通過NVIDIAPilotNet，英偉達(dá)和谷歌的工程師們構(gòu)建了一個基于神經(jīng)網(wǎng)絡(luò)的全新系統(tǒng)，可以通過觀察人類的行為學(xué)習(xí)駕駛汽車。研究人員在這一研究之上探索了在進(jìn)行駕駛決策時應(yīng)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(jìn)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(rèn)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(dá)自動駕駛首席架構(gòu)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(xué)會駕駛技巧的人工智能

英偉達(dá)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(shù)未來可以在任何品牌和型號的汽車上應(yīng)用，其背后的深度神經(jīng)網(wǎng)絡(luò)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(xué)習(xí)人類駕駛者的操縱方式來學(xué)習(xí)駕駛汽車。神經(jīng)網(wǎng)絡(luò)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(jìn)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(luò)通過訓(xùn)練在完全沒有手動輸入編程指令的情況下學(xué)會了如何駕駛BB8?，F(xiàn)在這個神經(jīng)網(wǎng)絡(luò)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(dāng)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(luò)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(guān)注什么，研究人員構(gòu)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(luò)關(guān)注的位置。

正如圖中所示，PilotNet在駕駛汽車時關(guān)注的位置和人類駕駛者相同，包括路標(biāo)、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(luò)需要注意到這些東西。計算機(jī)在訓(xùn)練過程中的行為和人類在駕校中所做的一樣：通過觀察學(xué)習(xí)。

使用深度神經(jīng)網(wǎng)絡(luò)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(jìn)一步的改進(jìn)，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(dāng)自動駕駛汽車真正得到廣泛應(yīng)用時，很多不同的人工智能神經(jīng)網(wǎng)絡(luò)和傳統(tǒng)技術(shù)會共同工作，驅(qū)動汽車行駛。除控制方向盤的PilotNet之外，其他的神經(jīng)網(wǎng)絡(luò)也會經(jīng)過訓(xùn)練處理其他特定的任務(wù)，如行人檢測、車道識別、讀取路標(biāo)、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(dá)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(jī)到DriveWorks開放平臺。通過使用專注于不同任務(wù)的多個AI神經(jīng)網(wǎng)絡(luò)，人們可以構(gòu)建安全可靠的自動駕駛車輛。可以想見在不久的將來，人們就會享受到BB8帶來的自動駕駛服務(wù)了。

更多資訊請關(guān)注汽車制造頻道