通常，我们通过观察和简单的GPS工具根据周围事物的对比来确定我们的位置及想要去的地方，但是对于无人驾驶的汽车来说，这种推理是非常困难的，汽车要先绘制和分析所在的新道路，后进行动态等复杂项目的处理，这是非常困难耗时间的。

　　麻省理工学院的研究人员在机器人与自动化国际会议上发表研究成果，他们创建了卷积神经网络（CNN）的机器学习系统，该系统仅使用简单的地图和摄影机的影像数据，使无人驾驶汽车能够在新的复杂环境中导航，类似人类驾驶推理模式，可以驾驶以前没有驾驶过的道路。

　　与人类驾驶员类似，系统还可以检测其地图与道路特征之间的任何不匹配。这有助于系统确定其位置，传感器或映像是否不正确，以便纠正汽车的航向。在自动驾驶期间，系统连续地将影像数据与地图数据比对，并记录任何不匹配，协助自动驾驶汽车确定道路上的位置，也确保汽车保持在最安全的路径上，如果行驶过程中与输入信息矛盾时：如汽车在没有转弯的直道上行驶，并且GPS指示汽车必须向右转，汽车将知道要保持直行或停车。

　　在实际应用中，传感器可能会有失效的时候，研究人员将来会通过建设一个和能够接受处理噪音的系统，来确保无人驾驶的安全性。