机器学习如何具有先进的自动驾驶技术

无人驾驶已经作为一种可以自动驾驶的汽车投入实际使用，即使没有人在驾驶。似乎每个汽车制造商都在进行新的经验测试以提高行为安全性。机器学习如何为这种自动驾驶技术做出贡献？ Voyage的联合创始人兼首席执行官Oliver Cameron正在开发自动驾驶技术。

据此，在过去的十年中，对象检测技术一直是自动驾驶技术中的主要讨论对象。对象检测技术是一种检测人行横道和路边人行进的技术，如果提高该技术的准确性，则可以发现伸出汽车前方的人的检测率。

在使用庞大的图像数据集ImageNet进行的物体检测能力测试中，在机器学习变得普及之前，采用尖端技术在2010年左右仅实现了50％。但是，到2020年，准确度将达到88％。它正在不断进步

2012年，当自动驾驶技术还处于曙光中时，Alex Krizhevsky，Ilya Sutskever和Geoffrey Hinton的研究团队将一种名为AlexNet的深度学习技术应用于对象检测。发表了研究。

Alexnet当时以最高的精确度对自动驾驶行业产生了巨大影响。结果，大约在2014年，许多自动驾驶技术开始使用深度学习。这种趋势一直持续到2020年。由于这些进步，自动驾驶技术可以安全地检测周围的重要物体。当然，奥利弗·卡梅伦（Oliver Cameron）说，仍然有工作可以预测他周围的物体会做什么。如果做出良好的预测，就可以预测周围人或物体的运动并做出适当的举止，但是如果您犯了错误，则可能导致事故。正确的预测听起来可能是不可能的，但是人类已经在从周围环境中的数千人那里获取信息，并做出直观的预测。

当前自动驾驶技术的预测问题的一个例子是在道路上右转弯的情况。右转弯时，有必要预测柜台车道上的车辆和人行横道上的行人的运动并向右转弯。因此，即使在自动驾驶期间，右转也是一个难题。他描述了当前无人驾驶技术正确的过程。首先，诸如传感器的识别模块检测特定距离的物体，并将信息输入到预测模块中。第二个预测模块根据当前和先前的观察结果，预测每个人将如何从现在开始移动5秒。接下来，将单个动作问题替换为所有算法，以计算可能的最安全动作。最后，将最安全的措施付诸行动，并每100毫秒重新评估该决策。

他认为以这种方式进行的自动驾驶将产生危险的后果。他特别指出，这可能导致在拥挤的城市中出现最糟糕的情况。最近，出现了将机器学习技术应用于预测的运动。

尽管无人驾驶技术的预测不是必不可少的，但据解释，通过将机器学习技术应用于预测，无人驾驶汽车的决策能力将得到显着提高，乘客将能够安全行驶。当然，他的公司Boise也计划发布有关预测自动驾驶技术的研究。相关信息可以在这里找到。