相關(guān)研究論文本月早些時候在《科學(xué)⋅機器人學(xué)》雜志上發(fā)表。該論文主要作者 Nathan Spielberg表示：“我們希望我們的算法能夠與最熟練的駕駛員一樣好 - 而且希望更好。” “我們的工作是出于安全的原因，我們希望自動駕駛汽車能夠在許多情況下工作，從高摩擦柏油路的正常駕駛到冰雪路面的快速、低摩擦駕駛。”
該團隊使用了一種稱為神經(jīng)網(wǎng)絡(luò)的人工智能算法，該算法松散地基于我們大腦中的神經(jīng)網(wǎng)絡(luò)，以創(chuàng)建自動駕駛系統(tǒng)。神經(jīng)網(wǎng)絡(luò)是一種機器學(xué)習(xí)，程序員可以構(gòu)建模型來篩選大量數(shù)據(jù)并查找模式。這些網(wǎng)絡(luò)用于為自動駕駛車輛的“大腦”供電，該大腦通常是存儲在每輛車行李箱中的高功率GPU，用于控制決策過程。
斯坦福大學(xué)的團隊訓(xùn)練了一個神經(jīng)網(wǎng)絡(luò)，其中包含200,000個機動樣本的數(shù)據(jù)，包括在冰雪等光滑表面上進(jìn)行試駕。然后他們將他們的系統(tǒng)帶到薩克拉門托山谷的Thunderhill賽道進(jìn)行測試。斯坦福大學(xué)的車隊在他們的測試中使用了兩輛自動駕駛汽車：Niki——一輛自動駕駛的大眾GTI，以及Shelley——一輛自動駕駛的奧迪TTS。
首先，Shelley在基于物理的自動系統(tǒng)控制下加速，預(yù)裝了有關(guān)路線和條件的固定信息。當(dāng)在同一場地的連續(xù)10次試驗進(jìn)行比較時，Shelley和熟練的業(yè)余車手產(chǎn)生了不相上下的單圈時間。然后，研究人員在Niki車輛上測試了他們新的神經(jīng)網(wǎng)絡(luò)系統(tǒng)。雖然神經(jīng)網(wǎng)絡(luò)缺乏關(guān)于道路摩擦的明確信息，但汽車的表現(xiàn)類似于運行學(xué)習(xí)和基于物理的系統(tǒng)。
