类人性化推理的自驾车导航
原文连结：https://bit.ly/2NA1jb7
原文内容：
http://iknow.stpi.narl.org.tw/Post/Figures/2019/market/mech_15766_20190705.png
透过观察和简单的工具，人类驾驶者可以驾驶以前没有行驶过的道路。我们只是将我们周
遭看到的内容与GPS设备上看到的内容进行比对，来确定我们的位置以及我们想要去的地
方。然而，无人驾驶汽车却会在这种基本推理中挣扎，因为在每个新的区域，汽车必须先
测绘和分析所有新道路，且系统也依赖于复杂的地图与动态处理与生成，这非常耗时。
麻省理工学院的研究人员在机器人与自动化国际会议上发表研究成果，他们创建了卷积神
经网络(CNN)的机器学习系统，该系统仅使用简单的地图和摄影机的影像数据，使无人驾
驶汽车能够在新的复杂环境中导航，类似人类驾驶推理模式，可以驾驶以前没有驾驶过的
道路。
与人类驾驶员类似，系统还可以检测其地图与道路特征之间的任何不匹配。这有助于系统
确定其位置，传感器或映射是否不正确，以便纠正汽车的航向。在自动驾驶期间，系统连
续地将影像数据与地图数据比对，并记录任何不匹配，协助自动驾驶汽车确定道路上的位
置，也确保汽车保持在最安全的路径上，如果行驶过程中与输入资讯矛盾时：如汽车在没
有转弯的直道上行驶，并且GPS指示汽车必须向右转，汽车将知道要保持直行或停车。
在现实世界中，传感器会失效的时候，研究人员希望透过建构一个能够接受这些噪声输入
的系统，来确保系统对不同传感器的故障问题仍具有健全性，并且仍能在路上正确导航和
定位。
心得/说明：(30字以上)
麻省理工学院的研究团队利用卷积神经网络的机器学习系统，让自动驾驶汽车能够在导航
系统中，以类似人类的推理模式行驶在过去未驾驶过的道路。这个推理的过程高度依赖演
算法，研究人员希望透过开发这样的系统，能替自动驾驶的改良有所助益。