自动驾驶汽车利用卷积神经网络学习人类决策

对于自动驾驶汽车而言，也许有一种更好的学习驾驶的方法——观察人类。据外媒报道，澳大利亚迪肯大学的研究人员发现，借助改进的视觉校正系统，自动驾驶汽车可以通过观察人类操作员来学习。

该团队实施模仿学习，即从演示中学习。驾驶员驾驶一辆配备三个摄像头的汽车，从车辆前方和两侧观察周围的环境。然后，通过神经网络（基于大脑神经元如何交互处理信息的计算机系统）处理这些数据。此种方法使得车辆能够根据观察人类做出类似决策，并根据从中所学来做出决策。迪肯大学副校长Saeid Nahavandi解释说，“该过程期望仅从摄像头拍摄的图像生成一个模型，以用于自动驾驶汽车。”

该处理系统具体来说是一个卷积神经网络，反映在大脑的视觉皮层上。该网络有一个输入层、一个输出层和两者之间的若干处理层。输入过程将视觉信息转换成点。随后，随着更多的视觉信息输入，这些点被不断地被比较。通过减少视觉信息，该网络可以快速处理环境中的变化。例如，前方出现移动的点可能意味着道路上出现了障碍。结合通过观察人类操作员所获得的知识，这意味着该算法知道道路上突然的障碍物应触发车辆完全停止，以避免发生事故。Nahavandi表示，“拥有可靠且强大的视觉是自动驾驶汽车的强制性要求，而卷积神经网络是图像处理应用中*成功的深度神经网络之一。”

不过，Nahavandi也指出了一些不足之处。一是虽然模仿学习加快了训练过程，但是同时减少了创建优良模型所需的训练数据量。相比之下，卷积神经网络需要大量的训练数据来找到*优的卷积层和滤波器配置，而这有助于组织数据，并生成合适的模型。

Nahavandi还表示，“我们发现增加滤波器的数量并不一定会产生更好的性能。网络和训练流程参数的*优选择仍然是一个未解决的问题，全球研究人员都在积极研究。”接下来，研究人员计划研究更智能、更高效的技术，包括遗传和进化算法，以获得**参数集，从而更好地打造自我学习、自动驾驶的汽车。

• 上一篇：大众汽车坚持电气化转型战略 不受油价影响
• 下一篇：千金促发展 小康股份38亿全资控股东风小康