创造能够像人类一样思考的无人驾驶汽车，是Waymo、通用汽车的Cruise、优步(Uber)等公司长期以来的追求。英特尔的Mobileye提出了一个数学模型——Responsibility-Sensitive Safety (RSS)，它将其描述为一种“常识”的道路决策方法，将良好的习惯编纂成书，比如给其他汽车让路。

　　英伟达正在积极开发“安全力场”(Safety Force Field)，这是一种行动计划堆栈中的决策策略，通过分析实时传感器数据来监控不安全行动。

　　现在，麻省理工学院的一个科学家团队正在研究一种利用GPS之类的地图和可视化数据的方法，使自动驾驶汽车能够学习人类的驾驶模式，并将学到的知识应用到以前从未见过的复杂规划路线中。

　　他们的工作建立在由计算机科学和人工智能实验室(CSAIL)主任丹尼尔·罗斯(Daniel Rus)设计的端到端导航系统的基础上，该系统将于下月在加州长滩举行的机器人和自动化国际会议上发表。

　　罗斯和同事们之前的模型没有考虑目的地，而是沿着道路行驶，而新模型行驶到预定义的地方。第一论文作者、麻省理工学院研究生亚历山大·阿米尼说:“有了我们的系统，你不需要事先在每条路上训练。你可以下载一张新的地图，让汽车在从未见过的道路上行驶。”

　　正如阿米尼和其他有贡献的研究人员解释的那样，他们的人工智能系统会从人类驾驶员那里观察和学习如何驾驶，然后将方向盘的转动与它通过摄像头和输入地图观察到的道路状况联系起来。

　　最终，它会知道在各种驾驶情况下最有可能的转向指令，比如笔直的道路、十字路或T字路口、岔路口和旋转台。

　　在实验中，研究人员向机器学习模型输入一张随机选择路线的地图。当驾驶时，该系统从摄像头中提取视觉特征，使其能够预测道路结构，比如远处的停车标志和路边的断线。此外，它将视觉数据与地图数据进行关联，以识别不匹配的情况，这有助于更好地确定其在道路上的位置，并确保其停留在最安全的路径上。例如，当它在一条没有转弯的直线上行驶时，地图显示它需要右转，但它知道要一直向前行驶。

　　“在现实世界中，传感器确实会失灵，”阿米尼说。“我们希望通过建立一个系统来确保该系统对不同传感器的不同故障具有鲁棒性，该系统能够接受这些噪声输入，同时仍能在道路上正确导航和定位。”