为了给主动驾驶汽车导航带来更多雷同人类的推理，麻省理工学院的研究人员缔造了一个系统，使无人驾驶汽车可以查察简洁的地图，并使用视觉数据在新的复杂情况中跟踪路线。
麻省理工学院正在研究一种新方式，经由模拟人类司机的驾驶体式，让主动驾驶汽车在不熟悉的区域行驶。它被称为“变分端到端导航和定位”(Variational端到端导航和定位)，使用根基地图和摄像机来剖析和导航一个新位置，而它还没有为这个新位置编写具体的数据库法式。
主动驾驶汽车的成长表明，斥地主动驾驶能力的义务是何等难题，并揭示了人类和机械智能之间的伟大鸿沟——不光在较量能力方面，并且在每小我若何解决问题方面。
例如,人类发现它很轻易导航在新鲜,复杂的位置多一个粗略的地图,他们的眼睛,在主动车辆甚至熟悉区域倾向于依靠非常复杂的阵列的传感器为内陆化,生成具体的地图和数据库映射,对象检测、活动规划、和转向掌握。对于旧金山这么大的城市来说，如许的地图或者有4 tb那么大。
人类能够行使非常根基的信息，然后将其应用于非常复杂的情形。一小我所需要的只是一张简洁的地图，好比GPS设备上的地图，而且有或者将其与他们四周所看到的关联起来。看起来不相关的数据也能够凭据情形被忽略或归并到导航中——就像有人能够从特拉法加广场步行到伦敦的利物浦街站，只需注重沿途的酒吧。
凭据麻省理工学院的团队，变分端到端导航和定位的设计是模拟人类的方式，经由进修人类司机，然后使用这些信息来适应新的情形，只需要一个简洁的地图和摄像机。这个设法是，机械将可以对地图进行近似，然后改正它们，填写细节，并确定它的位置，如许它就能够改正它的路线到预期的目的地。
为了教管帐算机，研究小组让一名人类驾驶员驾驶一辆主动丰田普锐斯(Toyota Prius)，同时用几个摄像头和一个根基的GPS收集郊区街道、道路构造和障碍物的数据。与更传统的依靠非常复杂的机械推理和数据库的方式分歧，麻省理工学院的方式从视觉线索中进修。这意味着当它进入一个新的区域时，它不需要具体的解说——它只需要一张根基的地图。
由较量机科学和人工智能实验室(CSAIL)主任Daniela Rus向导的麻省理工团队斥地了一种端到端的导航系统，其分歧之处在于，就像人类一般，它是专门为寻找目的地而设计的，而不是专注于沿着道路走。它行使从人类驾驶员那边学到的常识，然后运用一种统计方式来展望一个完整的概率分布，考虑到特准时间点上所有或者的驾驶指令。
麻省理工学院透露，这一展望基于一种名为卷积神经收集(CNN)的机械进修模型，该模型经由处理与人类驾驶员练习时代收集的图像来进修若何驾驶。经由这种体式，它知道若何处理分歧类型的道路和路口，包罗t型路口。
罗斯说:“最初，在一个t型交叉口，汽车能够转向好多分歧的偏向。“这个模型从考虑所有这些偏向起头，然则当它看到越来越多关于人们做什么的数据时，它会看到一些人左转，一些人右转，但没有人是直走的。直行被清扫在或者的偏向之外，而模型知道，在t形交叉口，它只能向左或向右移动。”
变分的端到端导航和定位还能够让汽车考虑其他可见的线索，好比路标、道路线和其他标记，来确定它所处的道路类型，展望交叉路口，以及在特定情形下若何驾驶。此外，它还能够剖析街道模式，以匡助确定它的位置。一条高概率的线与它所看到的相成家，地图显露了其位置的准确定位。经由这种体式，一个中等城市的4 tb地图能够削减到整个地球的40gb数据库。
此外，当数据不成家时，该系统的容忍度要高得多，可以处理传感器故障和噪声输入。
罗斯说:“我们的方针是实现自立导航，使其在新情况下驾驶时加倍坚固。”“例如，若是我们练习一辆主动驾驶汽车在城市情况中行驶，好比在剑桥的街道上，系统也应该可以在树林中平稳行驶，即使这是一个它从未见过的情况。”
这项研究在蒙特利尔举办的2019年机械人和主动化国际会议上揭橥了一篇论文。下面的视频商议了变分端到端导航和定位。
