近日斯坦福大學的工程師建立了一個神經網路，可以使無人駕駛汽車像賽車手一樣進行高速、低摩擦的操作。研究人員表示，這是提高自動駕駛汽車避免事故能力的重要一步。

相關研究論文字月早些時候在《科學·機器人學》雜誌上發表。該論文主要作者 Nathan Spielberg表示：“我們希望我們的演算法能夠與最熟練的駕駛員一樣好 - 而且希望更好。” “我們的工作是出於安全的原因，我們希望自動駕駛汽車能夠在許多情況下工作，從高摩擦柏油路的正常駕駛到冰雪路面的快速、低摩擦駕駛。”

該團隊使用了一種稱為神經網路的人工智慧演算法，該演算法鬆散地基於我們大腦中的神經網路，以建立自動駕駛系統。神經網路是一種機器學習，程式設計師可以構建模型來篩選大量資料並查詢模式。這些網路用於為自動駕駛車輛的“大腦”供電，該大腦通常是儲存在每輛車行李箱中的高功率GPU，用於控制決策過程。

斯坦福大學的團隊訓練了一個神經網路，其中包含200,000個機動樣本的資料，包括在冰雪等光滑表面上進行試駕。然後他們將他們的系統帶到薩克拉門託山谷的Thunderhill賽道進行測試。斯坦福大學的車隊在他們的測試中使用了兩輛自動駕駛汽車：Niki——一輛自動駕駛的大眾GTI，以及Shelley——一輛自動駕駛的奧迪TTS。

首先，Shelley在基於物理的自動系統控制下加速，預裝了有關路線和條件的固定資訊。當在同一場地的連續10次試驗進行比較時，Shelley和熟練的業餘車手產生了不相上下的單圈時間。然後，研究人員在Niki車輛上測試了他們新的神經網路系統。雖然神經網路缺乏關於道路摩擦的明確資訊，但汽車的表現類似於執行學習和基於物理的系統。

自動駕駛使用了一種叫做神經網路的智慧演算法，神經網路是一款智慧的學習軟體，就像機器人大腦模擬人類一樣。

該神經網是儲存在每輛車的行李箱中的高頻率GPU，是用與提前探索感知前面的路程。

在冰雪、泥潭、下雨等等路上進行測試，具瞭解還去過山谷進行測試，神經網預裝了有關路況和條件處理的資訊，每段經歷都會直接儲存在神經網的系統呢，有200000個樣本。

所以無論是什麼路況或是急轉，還是突發情況都有相應的預按準備。