據(jù)外媒報(bào)道，法雷奧研發(fā)了一款端對(duì)端學(xué)習(xí)系統(tǒng)，用于車速控制。該系統(tǒng)采用了神經(jīng)元網(wǎng)絡(luò)及長(zhǎng)短時(shí)記憶（long short-term memory，LSTM）功能，這是一種遞歸神經(jīng)元網(wǎng)絡(luò)（recurrent neural network，RNN），可學(xué)習(xí)長(zhǎng)持續(xù)性（長(zhǎng)期相依性，long-term dependencies）。

該款新系統(tǒng)由Wirbel及她同事研發(fā)，他（她）們還配置了一款人工神經(jīng)元網(wǎng)絡(luò)（artificial neural network，ANN），前者依賴于深度學(xué)習(xí)技術(shù)。該網(wǎng)絡(luò)被提供了大量的人類駕駛員的車輛操作演示，該類演示由前視型攝像頭錄入，可駕駛員行駛時(shí)的視野情境密切相關(guān)。

該款神經(jīng)元網(wǎng)絡(luò)還將接受訓(xùn)練，模仿駕駛員的行為，尤其是將重心放在重現(xiàn)車輛當(dāng)前的車速上。例如，當(dāng)輸入的圖像含有50公里/小時(shí)的限速面板時(shí)，神經(jīng)元網(wǎng)絡(luò)將確保車輛的當(dāng)前車速不會(huì)高于50公里/小時(shí)。

Wirbel解釋道：“當(dāng)前方有另一輛車時(shí)，人類駕駛員隨之減緩車速，該神經(jīng)元網(wǎng)絡(luò)也會(huì)學(xué)習(xí)該類操作。研究人員試圖使該神經(jīng)元網(wǎng)絡(luò)重現(xiàn)人類駕駛員的操作方式。該網(wǎng)絡(luò)將接收前視型攝像頭的信息，無(wú)需對(duì)感知作出解釋說(shuō)明，只是學(xué)習(xí)并重現(xiàn)駕駛員的相關(guān)操作行為?！?/p>

在完成神經(jīng)元網(wǎng)絡(luò)的訓(xùn)練后，Wirbel及其同事還將在仿真器的虛擬環(huán)境下開(kāi)展測(cè)試，并將該神經(jīng)元網(wǎng)絡(luò)整合到真實(shí)的測(cè)試車輛中，在具有挑戰(zhàn)性的賽道上行駛，評(píng)估其性能表現(xiàn)。他（她）們發(fā)現(xiàn)，該系統(tǒng)可高效地應(yīng)對(duì)復(fù)雜的駕駛環(huán)境，在必要時(shí)控制車速。

該系統(tǒng)由Wirbel及她的同事設(shè)計(jì)，他（她）們?nèi)〉昧藵M意的效果，或許在不久后會(huì)將該款神經(jīng)元網(wǎng)絡(luò)系統(tǒng)配置到自動(dòng)駕駛車輛中，提升車速控制的效率，實(shí)現(xiàn)更為直觀的駕駛操控。研究人員計(jì)劃將該概念驗(yàn)證應(yīng)用到更為復(fù)雜的駕駛情境中，新增多種復(fù)雜的駕駛操控，如變道、十字路口轉(zhuǎn)向或在環(huán)形交叉口（roundabouts）實(shí)現(xiàn)車輛的導(dǎo)航。

Wirbel補(bǔ)充道：“研究團(tuán)隊(duì)還將致力于該系統(tǒng)與當(dāng)前自動(dòng)駕駛車輛的可解釋性與兼容性，為終端用戶解釋說(shuō)明該神經(jīng)元網(wǎng)絡(luò)的對(duì)駕駛環(huán)境的感知能力及其駕駛決策的依據(jù)。未來(lái)的研究范圍很廣，目前致力于研究成果與當(dāng)前各地區(qū)技術(shù)發(fā)展的同步性。該研究團(tuán)隊(duì)還將為法雷奧的其他部門提供專業(yè)知識(shí)，推動(dòng)該款概念驗(yàn)證產(chǎn)生的量產(chǎn)進(jìn)程?！保ū疚膱D片選自techxplore.com）