如何训练无人驾驶系统

黄耀鹏

在高速公路上，按照美国国家公路交通安全管理局（NHTSA）划分的标准，拥有L1、L2级辅助驾驶的车辆，看起来和其他车辆没什么区别。L4级则完全无须人工干预，自主驶向目的地。所有自动驾驶项目的终极目标都是L4级无人驾驶系统。

不过，指望无人系统“无师自通”是难以如愿的。无人系统就像刚出生的婴儿一样，拥有用于感知外界环境的“感官”（摄像头、毫米波雷达、激光雷达），也拥有高速大脑（计算单元、图像处理单元），但“大脑”功能尚在分化中，需要教它识别环境中一切可能出现的人和物体。是的，你没看错，是一切可能。

如何识别

教无人系统分辨道路和其他可能遇到的一切，是训练的第一步。就像教婴儿看图识物一样。因为图像的信息太丰富，难以建模，深度学习似乎能发挥特殊优势。

深度学习既可以用于感知，也可以用于决策。比如AlphaGo的走子网络，就是一套DNN训练系统。用最简单的话说，就是根据当前状态做出决策。它的设计者和训练师不是要教它决策（事实上人类不知道系统将如何决策），而是教它一些基本知识。

首先，在一大批车的图像中提取基本特征，比如车的正面和侧面大致的几何形状，令系统分辨出车的左侧和右侧（用不同特征标记）。

有了连续多帧的图像，根据其间的连续变化，可以分辨车的行驶方向。并可以辨识出远处视野中很小的车辆，比任何人类都看得远、看得清楚。如何评估它们对自身的影响，将放在后面训练。

其次，传统图像中，路肩和马路本身颜色难以区分、立体视觉也很难辨别（毕竟高程差太小）。……