配備機(jī)器學(xué)習(xí)算法的自動駕駛汽車可以做出更好的決策、識別和分類物體，以及解釋情況。

在世界的日常運(yùn)作中，人類已經(jīng)取得了長足的進(jìn)步，技術(shù)的融合只會越來越緊密。人工智能及其子類機(jī)器學(xué)習(xí)在整個(gè)創(chuàng)新時(shí)代引起了巨大的漣漪，以至于連自動駕駛汽車都成為了未來。一些跨國企業(yè)，如Tesla、Google，已經(jīng)啟動了Waymo One等自動駕駛項(xiàng)目，以促進(jìn)由于機(jī)器學(xué)習(xí)而成為可能的自動駕駛出租車服務(wù)。下面展開其在這一創(chuàng)新中的作用。

機(jī)器學(xué)習(xí)如何改變自動駕駛汽車的游戲規(guī)則

自動駕駛汽車，也被稱為自動駕駛汽車或機(jī)器人汽車，是一個(gè)集成機(jī)器學(xué)習(xí)、車輛自動化硬件和軟件的整體。汽車的硬件不斷收集周圍環(huán)境的數(shù)據(jù)，而軟件則對收集到的數(shù)據(jù)進(jìn)行分類，進(jìn)一步部署到機(jī)器學(xué)習(xí)算法中。ML算法本質(zhì)上是通過從先前事件中收集到的數(shù)據(jù)來增強(qiáng)其決策制定，并確定最佳的數(shù)據(jù)驅(qū)動行動。簡單地說，ML算法會隨著數(shù)據(jù)的增加而提高其有效性。

在現(xiàn)實(shí)世界中，影響汽車即將取得成功的技術(shù)是傳感攝像頭、雷達(dá)和激光雷達(dá)，使其能夠清楚地評估速度、位置、尺寸和更多周圍環(huán)境。通過雷達(dá)波脈沖協(xié)助在夜間探測被遮蔽的物體，并確定物體的速度和位置。此外，這些汽車?yán)脩T性測量單元來控制車輛的加速度和位置。

用于自動駕駛的關(guān)鍵機(jī)器學(xué)習(xí)算法

自動駕駛汽車中的機(jī)器學(xué)習(xí)是多種算法的協(xié)作，有助于自動駕駛的有效運(yùn)行。

AdaBoost

AdaBoost是一種用于增強(qiáng)自動駕駛汽車的學(xué)習(xí)過程和性能的基本算法，可以消除機(jī)器學(xué)習(xí)的不足之處。其結(jié)合了各種低級算法的輸出，集成更有效的算法，以實(shí)現(xiàn)汽車的成功預(yù)測和決策。

SIFT

SIFT即尺度不變特征變換，通過與數(shù)據(jù)庫的對應(yīng)來檢測部分模糊的對象。該算法通過給無數(shù)個(gè)對象分配多個(gè)點(diǎn)來進(jìn)行圖像匹配，這些點(diǎn)有助于算法識別對象。從本質(zhì)上說，如果一輛靜止的車輛部分隱藏在一塊巨石后面，自動駕駛汽車就會通過車輛上的點(diǎn)搜索其數(shù)據(jù)庫。

TextonBoost

與AdaBoost類似，TextonBoost算法將多個(gè)低性能的分類器合并為一個(gè)高性能的分類器，以準(zhǔn)確地識別對象。其利用物體的背景、形狀和外觀，并通過其特征來識別。

YOLO

YOLO是識別和分組對象的最佳算法之一，其通過將圖像劃分為片段來分析圖像。每個(gè)片段都有邊界框和預(yù)測來對圖像進(jìn)行分類。

總之，我們只探索了人工智能和機(jī)器學(xué)習(xí)技術(shù)的冰山一角，但自動駕駛汽車無疑正在為未來鋪平道路。