Nvidia研出自學(xué)駕駛神經(jīng)網(wǎng)絡(luò) 會(huì)成為自動(dòng)駕駛的未來(lái)嗎？

　　自動(dòng)駕駛技術(shù)一直是近年的研究熱點(diǎn)，特斯拉已研制出能在較少車(chē)輛的道路上實(shí)現(xiàn)自動(dòng)駕駛的系統(tǒng)，據(jù)稱(chēng)兩年左右就能上市。而在過(guò)去的9個(gè)月里，Nvidia工程團(tuán)隊(duì)用一個(gè)攝像頭、一臺(tái)Drive-PX嵌入式電腦、72小時(shí)的訓(xùn)練數(shù)據(jù)開(kāi)發(fā)了一臺(tái)自動(dòng)駕駛汽車(chē)。在Cornell Research Library擁有的arXiv.org（全球最大的預(yù)印本系統(tǒng)）上，Nvidia以學(xué)術(shù)預(yù)印本的形式發(fā)表了DAVE2的研究結(jié)果，標(biāo)題名為《自動(dòng)駕駛汽車(chē)的端到端學(xué)習(xí)》。

　　Nvidia的項(xiàng)目名叫DAVE2，為什么這樣命名？因?yàn)槊绹?guó)國(guó)防部先進(jìn)研究項(xiàng)目局（Defense Advanced Research Projects Agency）有一個(gè)項(xiàng)目名叫DARPA Autonomous Vehicle（DAVE，既DARPA無(wú)人駕駛汽車(chē)）。雖然神經(jīng)網(wǎng)絡(luò)、自動(dòng)駕駛汽車(chē)看起來(lái)是一門(mén)新發(fā)明的技術(shù)，實(shí)際上谷歌的Geoffrey Hinton、Facebook的Yann Lecune、蒙特利爾大學(xué)的Yoshua Bengio在過(guò)去20年里一直在攜手研究它，這些技術(shù)是AI的一個(gè)分支。DARPA DAVE項(xiàng)目申請(qǐng)研究神經(jīng)網(wǎng)絡(luò)自動(dòng)駕駛汽車(chē)，它的前身是ALVINN項(xiàng)目，這個(gè)項(xiàng)目是Carnegie Mellon 1989年提出的。有一點(diǎn)已經(jīng)改變：由于GPU的發(fā)展，研究變得經(jīng)濟(jì)可行了。

　　神經(jīng)網(wǎng)絡(luò)、圖像識(shí)別應(yīng)用（比如無(wú)人駕駛汽車(chē)）最近出現(xiàn)了大爆發(fā)，主要原因有兩個(gè)。第一個(gè)，手機(jī)上渲染圖像的GPU已經(jīng)很強(qiáng)大，很便宜，將GPU大規(guī)模裝載到板件等級(jí)的超級(jí)電腦上可以很好地解決龐大的并行神經(jīng)網(wǎng)絡(luò)問(wèn)題，而且它的價(jià)格也足夠便宜，每一名AI研究人員和軟件開(kāi)發(fā)者都買(mǎi)得起。第二，大型、標(biāo)簽式圖片數(shù)據(jù)集已經(jīng)存在，我們可以用它來(lái)訓(xùn)練大型并行神經(jīng)網(wǎng)絡(luò)，這些神經(jīng)網(wǎng)絡(luò)用GPU來(lái)執(zhí)行，可以看見(jiàn)、感知攝像頭捕捉的物體。

　　繪制人類(lèi)駕駛模式

　　Nvidia團(tuán)隊(duì)訓(xùn)練了一個(gè)卷積神經(jīng)網(wǎng)絡(luò)，它可以繪制單個(gè)前置攝像頭捕捉的原始像素，攝像頭跟駕駛命令直接聯(lián)系。Nvidia技術(shù)的突破之處在于：無(wú)人駕駛汽車(chē)可以自動(dòng)自學(xué)，通過(guò)觀看人類(lèi)的駕駛方式自學(xué)。

　　雖然操作系統(tǒng)使用的是一個(gè)攝像頭和一臺(tái)Drive-PX嵌入式電腦，但是訓(xùn)練系統(tǒng)使用的卻是三個(gè)攝像頭、兩臺(tái)電腦，它們可以抓取3D視頻圖像、轉(zhuǎn)向角度（來(lái)自人類(lèi)駕駛的汽車(chē)），這些信息可以訓(xùn)練系統(tǒng)學(xué)會(huì)“看見(jiàn)”和“駕駛”能力。

　　Nvidia會(huì)監(jiān)視轉(zhuǎn)向角度的變化，將它作為訓(xùn)練信號(hào)，然后將人類(lèi)駕駛模式映射到攝像頭記錄的位圖圖像中去。系統(tǒng)會(huì)利用卷積神經(jīng)網(wǎng)絡(luò)為駕駛處理步驟介定內(nèi)部表征，比如偵測(cè)有用的道路特征——線路、汽車(chē)和道路輪廓。

　　自動(dòng)駕駛汽車(chē)會(huì)感知路況、其它汽車(chē)及障礙物，開(kāi)源機(jī)器學(xué)習(xí)系統(tǒng)Torch 7會(huì)對(duì)處理過(guò)程進(jìn)行深入學(xué)習(xí)，然后用來(lái)操縱測(cè)試汽車(chē)。實(shí)際訓(xùn)練以每秒10幀的速度進(jìn)行，因?yàn)榧词顾俣冗_(dá)到30幀區(qū)別也不會(huì)太大，學(xué)習(xí)的價(jià)值并不會(huì)提高。測(cè)試車(chē)包括一輛2016款林肯MKZ和一輛2013款福特?？怂?。

　　機(jī)器學(xué)習(xí)處理的核心就是用Torch 7構(gòu)建的卷積神經(jīng)網(wǎng)絡(luò)模擬操縱情況。人類(lèi)駕駛的汽車(chē)會(huì)拍攝一些10fps圖像，卷積神經(jīng)網(wǎng)絡(luò)會(huì)下達(dá)操縱命令，對(duì)10fps圖像進(jìn)行模擬響應(yīng)，研究人員需要將模擬響應(yīng)和人類(lèi)轉(zhuǎn)向角度進(jìn)行對(duì)比。一個(gè)是人類(lèi)轉(zhuǎn)向角度，一個(gè)是卷積神經(jīng)網(wǎng)絡(luò)模擬的操縱命令，它可以教會(huì)系統(tǒng)“看”和“操縱”的能力，研究者需要對(duì)兩者進(jìn)行對(duì)比，分析其中的差異。汽車(chē)會(huì)在測(cè)試路線上行駛3小時(shí)，總里程相當(dāng)于100英里，行程會(huì)被記錄為視頻，模擬時(shí)使用的測(cè)試數(shù)據(jù)來(lái)自于視頻。

　　公路測(cè)試

　　當(dāng)卷積神經(jīng)網(wǎng)絡(luò)模擬駕駛表現(xiàn)良好時(shí)，就可以在公路上對(duì)測(cè)試車(chē)輛進(jìn)行更進(jìn)一步的機(jī)器學(xué)習(xí)和測(cè)試了。公路測(cè)試可以改進(jìn)系統(tǒng)，在整個(gè)過(guò)程中需要由人類(lèi)司機(jī)監(jiān)督無(wú)人駕駛汽車(chē)，當(dāng)系統(tǒng)出錯(cuò)時(shí)及時(shí)介入。每修正一次，結(jié)果就會(huì)輸入到機(jī)器學(xué)習(xí)系統(tǒng)，從而改進(jìn)操縱過(guò)程的精準(zhǔn)度。在新澤西Turnpike的行駛過(guò)程中，前10英里汽車(chē)完全自動(dòng)行駛。在早期測(cè)試中，98%的操作是無(wú)人駕駛的。

　　Nvidia證明卷積神經(jīng)網(wǎng)絡(luò)可以學(xué)會(huì)以下任務(wù)：道路偵測(cè)，非手動(dòng)道路追隨，對(duì)道路及道路標(biāo)識(shí)、語(yǔ)義抽象、路線規(guī)劃、控制進(jìn)行明確的分解和分類(lèi)。讓汽車(chē)在不同天氣、燈光條件、高速公路或者旁路上行駛，獲得內(nèi)部處理過(guò)程，形成不到100小時(shí)的訓(xùn)練數(shù)據(jù)，然后用Torch 7渲染這些數(shù)據(jù)，系統(tǒng)就可以學(xué)會(huì)上述操作。

　　從報(bào)告看，Nvidia暗示系統(tǒng)還沒(méi)有準(zhǔn)備好投入生產(chǎn)，它在報(bào)告中寫(xiě)道：“如果要提高網(wǎng)絡(luò)的穩(wěn)定性、找到好辦法核實(shí)這種穩(wěn)定性，提高網(wǎng)絡(luò)內(nèi)部處理過(guò)程的可視化水平，我們還有更多的工作要做?！?/p>