观看自驾车把手发夹就像一辆赛车

自驾车的训练过于谨慎，但可能会出现需要进行高速机动以避免碰撞的情况。这些车辆装饰着价值数万美元的高科技传感器，并以奶奶的速度进行编程，可以像人类一样处理这些瞬间的决定吗?

斯坦福大学的工程师可能会有答案。他们创建了一个神经网络，可以使无人驾驶汽车像赛车手一样进行高速，低摩擦的操作。当它们最终到达时，无人驾驶汽车将需要超越人类的能力，因为94%的碰撞可归因于人为错误。研究人员表示，这是提高自动驾驶汽车避免事故能力的重要一步。

本周早些时候在科学 机器人杂志上发表的一篇论文的主要作者纳森斯皮尔伯格说：“我们希望我们的算法能够与最熟练的驾驶员一样好 - 而且希望更好。” “我们的工作是出于安全的原因，我们希望自动驾驶汽车能够在许多情况下工作，从高摩擦沥青的正常驾驶到冰雪中快速，低摩擦的驾驶。”

该团队使用了一种称为神经网络的人工智能算法，该算法松散地基于我们大脑中的神经网络，以创建自动驾驶系统。神经网络是一种机器学习，程序员可以构建模型来筛选大量数据并查找模式。这些网络用于为自主车辆的“大脑”供电，该大脑通常是存储在每辆车行李箱中的高功率GPU，用于控制决策过程。

斯坦福大学的团队训练了一个神经网络，其中包含200,000个运动样本的数据，包括在冰雪等滑溜的表面上进行试驾。然后他们将他们的系统带到萨克拉门托山谷的Thunderhill赛道进行测试。斯坦福大学的车队在他们的测试中使用了两辆自动驾驶汽车：Niki，一辆自动驾驶的大众GTI，以及Shelley，一辆自主的奥迪TTS。

首先，Shelley在基于物理的自动系统控制下加速，预装了有关课程和条件的固定信息。当在连续10次试验中对同一球场进行比较时，雪莱和熟练的业余车手产生了相当的单圈时间。然后，研究人员用他们新的神经网络系统加载了Niki。虽然神经网络缺乏关于道路摩擦的明确信息，但汽车的表现类似于运行学习和基于物理的系统。

该团队表示他们对结果感到鼓舞，但强调他们的神经网络系统在任何环境中都表现不佳。他们需要 - 还有什么? - 更多数据能够处理更广泛的条件。