英伟达自动驾驶汽车：功能可以后天“学来”

万达科技

英伟达（NVIDIA）首席执行官黄仁勋（Jen-Hsun Huang）在展示Drive PX自动驾驶汽车。背后是Project Dave汽车的模型图。

　　网易科技讯,3月18日消息，尽管对于可以识别驾驶者行为动作的自动驾驶汽车社会各界有大量怀疑的声音存在，但是它还是“来了”。在GTC发展大会上，英伟达的首席执行官黄仁勋表示现在他们问题的关键其实不在于怎样对自动汽车系统的进行出厂前的编程，而是后天训练汽车对各种各样的复杂情况给予自动回应。

　　在今年初的国际消费类电子产品展览会（International Consumer Electronics Show，简称CES）上，英伟达发布了PX驱动，它采用低神经网络系统用以应用到无约束汽车上。驱动PX将于今年五月上市，奥迪已经与英伟达签订协议将采用该驱动系统生产汽车。

　　黄在他的演讲中详细的讲解了计算机是怎样识别可视命令并作出回应的。这些视觉识别仍然只能是一张图片或是一段视频。为了使计算机能够“学会”“看图识别”，英伟达对计算机进行了上万次的人工输入到弱神经网络中来，并为每一个输入的物体进行命名。这样，最后形成的识别网络就是由图像构成而不是传统的文字或者数字模板。

英伟达的PX驱动系统使用Tegra X1芯片可以控制自动驾驶汽车

　　当系统网络遇到了从来没有见过的图像时，它会以相同的识别方式导入，然后与已经录入的图片信息进行比较，这样系统就可以获得新的识别数据并储存起来成为新的“记忆”。

　　这项技术已经开发了近50年，黄和英伟达团队在2012年开始对其正确性以及准确性进行检验。通过AlexNet考核技术，使低神经网络比人类对图片识别还要

　　黄在演讲中表示，自动汽车识别外部环境时应该使用低神经网络，这将成为自动汽车领域的又一变革。黄还建议汽车应当适当的接受低强度的训练以应对一些更可怕的突发情况，如故意撞击等，而不是在检测到行驶道路存在其他危险时只完全依靠基本的及时辅助设备来应对。

　　黄购买了DARPA计划，在这个系统中实验者通过远程控制来“教”它的汽车及时给予道路安全方面的识别以及应对措施，而不是先前就是设定好详细的指令，提前“告诉”汽车未来道路上可能存在的突发情况以及应对发放。在实验中，当汽车的传感器检验到前方的危险时，就会上传一组当时环境的视频。通过这样的视频，汽车会在事后给予特定环境中的行为匹配。

　　这样的训练让每辆自动汽车更加清楚该怎样面对一些突发事件。例如，当传感器检验到前方高速有下坡路的时候，汽车碰撞预警系统就会响起，而不是意味着有物体撞击的危险。这样的反应在低神经网络中一般是不存在的虽然也会有一些汽车“学校”会“教”给他们。因此，在检测到下坡后，自动驾驶汽车就会自动减速以防止让乘客受到惊吓。

　　和一般的汽车工程师不同的是，自动汽车工程师可以利用现实生活中的视频图像，“教“给汽车一些技能，以及完善和挺高汽车的性能。

　　黄还指出工程师还应当对汽车设置一系列的行为禁令，例如决不能撞击平面的物体。当然根据Asimov的机器人定律，自动驾驶汽车也绝对不可以撞击人类。（秦昕）