十年前，谷歌開始布局無人駕駛汽車項目，將昂貴的光學(xué)雷達及高清地圖技術(shù)作為其戰(zhàn)略發(fā)展目標。時至今日，這兩項技術(shù)仍然是谷歌無人駕駛項目的重要支柱。

基于光學(xué)雷達和相機所獲取的數(shù)據(jù)，我們可以通過算法在地圖上定位無人汽車，但是這個方法還未能很好地滿足實際要求。無人駕駛汽車要實現(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)來解決這個問題。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)通過實例學(xué)習(xí)，自主學(xué)會如何對一個輸入做出正確的響應(yīng)?？梢哉f，對于大部分感知任務(wù)以及一些低級的控制問題，深度學(xué)習(xí)是目前最有效的解決方法。

無人駕駛汽車需要通過感知系統(tǒng)去辨識正在運動的物體（汽車，行人）及固定不動的物體（路燈柱、路的邊緣）。它可以通過三種方式檢測動態(tài)對象，包括相機、激光掃描儀和雷達。在這三種方式中，相機是最便宜的，但在過去，將圖像轉(zhuǎn)化為檢測對象很困難，所以這也是使用率最低的方式。而通過深度學(xué)習(xí)，我們發(fā)現(xiàn)無人駕駛汽車理解和使用這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)”使得無人駕駛技術(shù)取得更進一步進展。多任務(wù)深度學(xué)習(xí)是指同時訓(xùn)練系統(tǒng)去識別車道標志線、汽車以及行人，其訓(xùn)練結(jié)果優(yōu)于這三個子系統(tǒng)獨立執(zhí)行，這是因為在單一網(wǎng)絡(luò)中，信息可以被共享。

無人駕駛技術(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)進行決策。比如，神經(jīng)網(wǎng)絡(luò)系統(tǒng)通過地圖信息預(yù)先獲取人行橫道的位置，進而對檢測準備通過的行人，這比僅僅依靠圖像數(shù)據(jù)要準確得多。

在過去，由于自動駕駛汽車駕駛不平穩(wěn)，導(dǎo)致許多人乘坐自動駕駛汽車時會產(chǎn)生暈車的感覺?，F(xiàn)在，深度學(xué)習(xí)可以幫助我們緩解這個讓人頭疼的問題，讓自動駕駛汽車學(xué)會人類的駕駛方式及技巧，會讓乘客感覺更加自然。

現(xiàn)在，深度學(xué)習(xí)只是剛開始在無人駕駛技術(shù)領(lǐng)域中嶄露頭角。但正如它對圖片搜索和語音識別的突破性貢獻一樣，深度學(xué)習(xí)可能會改變無人駕駛技術(shù)的未來。

更多資訊請關(guān)注汽車制造頻道