自動駕駛作為一種高度模仿人類駕駛的技術(shù),實現(xiàn)無人駕駛分為感知、理解、決策和執(zhí)行四個層次,由ECU、執(zhí)行器和各類傳感器來實現(xiàn)。智能技術(shù)在理解層和決策層中賦能自動駕駛,擔(dān)任著“大腦”角色。汽車FPC小編了解到,在諸多技術(shù)之中,深度學(xué)習(xí)算法十分關(guān)鍵,已被多國研究人員視為科技研發(fā)的重中之重。
在布局深度學(xué)習(xí)算法方面,一些企業(yè)已經(jīng)積極行動起來。例如,谷歌已經(jīng)將深度學(xué)習(xí)算法應(yīng)用于語音識別和圖像識別,亞馬遜和Netflix則利用深度學(xué)習(xí)算法來了解用戶的行為習(xí)慣。此外,一些汽車制造商也將布局重點放在了車載芯片、深度學(xué)習(xí)算法上。
日前,特斯拉公布了名為“自動駕駛數(shù)據(jù)管道和深度學(xué)習(xí)系統(tǒng)(Data Pipeline and Deep Learning System for Autonomous Driving)”的專利,專注于優(yōu)化圖像處理,使其自動駕駛系統(tǒng)更高效。
軟板廠獲悉,該系統(tǒng)將使用車載傳感器或攝像頭捕捉圖像,例如攝像頭傳感器、高動態(tài)范圍攝像頭、雷達(dá)傳感器或超聲波傳感器。之后,高通或低通濾波器將圖像分解。最終,一系列處理器將破譯圖像的含義。
機器學(xué)習(xí)與深度學(xué)習(xí)這一對概念,常常被人們同時提起。機器學(xué)習(xí)是人工智能的子領(lǐng)域,也是人工智能的核心。而深度學(xué)習(xí)則屬于機器學(xué)習(xí)的子類,它主要應(yīng)用于人臉技術(shù)、語義分析、文字識別、智能監(jiān)控等領(lǐng)域。目前在智能硬件、交通、教育、醫(yī)療等行業(yè),機器學(xué)習(xí)正得到快速布局。
一般來說,深度學(xué)習(xí)算法需要大量時間進(jìn)行訓(xùn)練。這是因為該算法包含有很多參數(shù),因此訓(xùn)練它們需要比平時更久的時間。深度學(xué)習(xí)網(wǎng)絡(luò)相當(dāng)于是人的大腦,對安裝在車前的攝像頭的圖像進(jìn)行采集,并通過卷積神經(jīng)網(wǎng)絡(luò)來提出圖像的特征,通過模型計算來得出幾個輸出量,比如剎車、加速、減速、方向盤的角度等信息。
基于深度學(xué)習(xí)算法所展開的各類研究,其目的是將車輛、路況等各種數(shù)據(jù)信息納入統(tǒng)一的管理系統(tǒng)中,提升行車的安全性。不過,深度學(xué)習(xí)方法雖然有效,但離真正意義上的大腦智能還是有很大差距的。直觀來講,很重要的一點是深度學(xué)習(xí)算法較為依賴數(shù)據(jù),推理能力是有限的,但人腦不需要看大量的樣本就可以對事物進(jìn)行準(zhǔn)確區(qū)分。
由此可以看出,深度學(xué)習(xí)和人腦工作方式并沒有那么相似,也不是直接借鑒。而自動駕駛的實現(xiàn),需要車輛遇險自動避讓、便捷行程路線規(guī)劃等系統(tǒng)綜合作用。與駕駛員自主決定行車方案相比,自動駕駛較多的會運用到深度學(xué)習(xí)算法、物聯(lián)網(wǎng)傳感等技術(shù)。
自動駕駛車能在路上跑,離不開芯片、激光雷達(dá)和深度學(xué)習(xí)算法。柔性電路板小編了解到,在過去的十年里,自動駕駛汽車技術(shù)取得了越來越快的進(jìn)步,主要得益于深度學(xué)習(xí)和人工智能領(lǐng)域的進(jìn)步。今后,在多方推動下,自動駕駛技術(shù)將取得更多新成果。
舒適地坐在車?yán)铩⒂崎e地聽著音樂、愜意地欣賞著窗外的風(fēng)景,是很多人腦海中曾經(jīng)浮現(xiàn)過的關(guān)于自動駕駛的美好畫面。也許隨著技術(shù)的不斷成熟和法律法規(guī)的逐步完善,高度穩(wěn)定的自動駕駛行車系統(tǒng)終將投入應(yīng)用。而關(guān)于自動駕駛的諸多美好暢想,將從夢想轉(zhuǎn)變?yōu)楝F(xiàn)實。