有了這套系統，汽車能很快獲得自動駕駛能力

如何訓練一輛擁有自動駕駛功能的汽車？觀察司機的駕駛行為也許是其方法之一。來自 Nvidia （英偉達）的工程師設計了一套能夠通過觀察駕駛員的駕駛行為的系統：讓汽車學習如何駕駛。

關于 Nvidia 如何「訓練」測試車的基本原理，大致如下：Nvidia 使用了 3 個攝像頭和 2 臺 DRIVE PX 計算機累計觀察駕駛員 72 個小時。這種「訓練」在美國多個州、不同天氣條件和時間以及多種道路類型和路況上進行。攝像頭會以 3D 的形式捕捉到大量的數據，GPU 則會對這些信息進行追蹤和存儲。這些數據隨后會被機器學習系統 Torch 7 分析并分解成學習步驟，最終打造出一個無需駕駛員干預的自動駕駛系統。

Nvidia 使用的這套訓練系統已經在美國公共道路（包括高速公路）上進行了測試，測試的結果是：系統能達到 98 到 100% 的自動駕駛能力。值得注意的是，當駕駛員進行手動干預時，系統還會繼續進行學習。

這是一套基于 GPU 的系統：包含攝像頭和一臺計算機。等產品真正上市、用戶購買之后，汽車便可立即獲得自動駕駛能力，無需進行更多的訓練。雖然汽車可以進行自動行駛，但當通過攝像頭檢測到之前沒有遇到過的情況時，系統會提醒駕駛員接管方向盤，并進入學習模式。系統在這種情況下學習到的內容隨后會被傳輸到云端，并融入到未來的軟件升級當中。換句話說，如果再未來系統再遇到此類情況，它通過學習后知道該如何應對。

最近在GMIC 全球移動互聯網大會上，Nvidia 全球副總裁、中國區總經理張建中表示：正是由于 GPU 的進步，才使得深度學習的人工智能行業、虛擬現實行業、游戲交互行業得以高速發展。

對于自動駕駛的應用，張建中認為：「我們發現幾乎所有的車廠都是讓汽車識別前方的物體，運用雷達測試精確的距離以及利用一些超聲波設備，探測周圍的路況及物體，并且用紅外設備輔助夜間行駛。Nvidia 則不同，我們打造的是一個端到端的解決方案（End to End Learning for Self-Driving Cars），在人端或者是訓練端，用 DGX-1 訓練模型，讓系統得以很好的訓練，以便在遇到極其復雜的路況做出決策」。

從現在看來，這種「學習觀察法」比起程序員根據路面情況、車道線標識、信號燈、交通情況編寫的一系列規則更為實際和實用。因為這套基于 GPU 的系統能夠收集數據并從中創造自己的規則。

Nvidia 表示，目前已有超過 80 家大型 OEM 廠商和研究機構正在與他們洽談合作事宜，其中包括沃爾沃。這家汽車廠商將于明年在瑞典哥德堡進行一個名為 Drive Me 的項目，屆時他們將使用 100 輛配備 Nvidia 自動駕駛系統的 XC90 來測試該系統在道路上的表現。

圖片來自 networkworld

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。