十年前，谷歌開(kāi)始布局無(wú)人駕駛汽車(chē)項(xiàng)目，將昂貴的光學(xué)雷達(dá)及高清地圖技術(shù)作為其戰(zhàn)略發(fā)展目標(biāo)。時(shí)至今日，這兩項(xiàng)技術(shù)仍然是谷歌無(wú)人駕駛項(xiàng)目的重要支柱。

基于光學(xué)雷達(dá)和相機(jī)所獲取的數(shù)據(jù)，我們可以通過(guò)算法在地圖上定位無(wú)人汽車(chē)，但是這個(gè)方法還未能很好地滿足實(shí)際要求。無(wú)人駕駛汽車(chē)要實(shí)現(xiàn)在復(fù)雜環(huán)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(xiàn)在，我們主要依靠人工智能技術(shù)——深度學(xué)習(xí)來(lái)解決這個(gè)問(wèn)題。與以往不同的是，我們不再使用預(yù)設(shè)算法，而是讓系統(tǒng)通過(guò)實(shí)例學(xué)習(xí)，自主學(xué)會(huì)如何對(duì)一個(gè)輸入做出正確的響應(yīng)?？梢哉f(shuō)，對(duì)于大部分感知任務(wù)以及一些低級(jí)的控制問(wèn)題，深度學(xué)習(xí)是目前最有效的解決方法。

無(wú)人駕駛汽車(chē)需要通過(guò)感知系統(tǒng)去辨識(shí)正在運(yùn)動(dòng)的物體（汽車(chē)，行人）及固定不動(dòng)的物體（路燈柱、路的邊緣）。它可以通過(guò)三種方式檢測(cè)動(dòng)態(tài)對(duì)象，包括相機(jī)、激光掃描儀和雷達(dá)。在這三種方式中，相機(jī)是最便宜的，但在過(guò)去，將圖像轉(zhuǎn)化為檢測(cè)對(duì)象很困難，所以這也是使用率最低的方式。而通過(guò)深度學(xué)習(xí)，我們發(fā)現(xiàn)無(wú)人駕駛汽車(chē)?yán)斫夂褪褂眠@些圖像的能力顯著提高。

更讓人興奮的是，我們發(fā)現(xiàn)“多任務(wù)深度學(xué)習(xí)”使得無(wú)人駕駛技術(shù)取得更進(jìn)一步進(jìn)展。多任務(wù)深度學(xué)習(xí)是指同時(shí)訓(xùn)練系統(tǒng)去識(shí)別車(chē)道標(biāo)志線、汽車(chē)以及行人，其訓(xùn)練結(jié)果優(yōu)于這三個(gè)子系統(tǒng)獨(dú)立執(zhí)行，這是因?yàn)樵趩我痪W(wǎng)絡(luò)中，信息可以被共享。

無(wú)人駕駛技術(shù)不是完全依賴于預(yù)先設(shè)定的地圖，而是僅將地圖作為其中一個(gè)數(shù)據(jù)流，并結(jié)合傳感器獲取的數(shù)據(jù)幫助系統(tǒng)進(jìn)行決策。比如，神經(jīng)網(wǎng)絡(luò)系統(tǒng)通過(guò)地圖信息預(yù)先獲取人行橫道的位置，進(jìn)而對(duì)檢測(cè)準(zhǔn)備通過(guò)的行人，這比僅僅依靠圖像數(shù)據(jù)要準(zhǔn)確得多。

在過(guò)去，由于自動(dòng)駕駛汽車(chē)駕駛不平穩(wěn)，導(dǎo)致許多人乘坐自動(dòng)駕駛汽車(chē)時(shí)會(huì)產(chǎn)生暈車(chē)的感覺(jué)?，F(xiàn)在，深度學(xué)習(xí)可以幫助我們緩解這個(gè)讓人頭疼的問(wèn)題，讓自動(dòng)駕駛汽車(chē)學(xué)會(huì)人類(lèi)的駕駛方式及技巧，會(huì)讓乘客感覺(jué)更加自然。

現(xiàn)在，深度學(xué)習(xí)只是剛開(kāi)始在無(wú)人駕駛技術(shù)領(lǐng)域中嶄露頭角。但正如它對(duì)圖片搜索和語(yǔ)音識(shí)別的突破性貢獻(xiàn)一樣，深度學(xué)習(xí)可能會(huì)改變無(wú)人駕駛技術(shù)的未來(lái)。

更多資訊請(qǐng)關(guān)注汽車(chē)制造頻道