与自动驾驶汽车技术相关的常见担忧是，在自主工作时无法安全或准确地导航。为了帮助解决这个问题，研究人员现在已经创建了一个新的系统，将人类推理纳入自驱动方程。

麻省理工学院的一个科学家团队使用简单的地图和可视化数据创建了一个系统，使无人驾驶汽车能够在新的复杂环境中导航。研究人员说，该技术使用机器学习，允许自动控制系统“学习”道路上人类驾驶员的转向模式，然后在没有人为干预的情况下模拟驾驶员。

计算机科学与人工智能实验室(CSAIL)主任，电气工程与计算机科学教授Daniela Rus在一份新闻声明中说：“我们的目标是实现在新环境中驾驶的自主导航能力。”

围绕3D打印，数字化制造，生成设计SW，自动化和其他技术进步有很多宣传。世界大趋势也是不可避免的。立即注册，了解这些大趋势如何与数字设计和制造相关联，以及整个工业生态系统如何随着时间的推移而发展。

她举了一个自动驾驶汽车的例子，他被训练成在城市环境中驾驶，例如麻省理工学院所在的马萨诸塞州剑桥市的街道。“系统也应该能够在森林中顺利驾驶，即使这是一个前所未有的环境，”罗斯说。

非人类条件

当前无人驾驶汽车技术的复杂性基本上是，它不是人类，并且不能依赖于人类驾驶员在使用GPS进行导航以确定位置以及在前往目的地时下一步去往何处时所使用的思维处理。

在无人驾驶汽车中，该任务要求汽车映射和分析新的道路，这是耗时的。系统使用的地图 - 通常由3D扫描生成 - 也很复杂，因为它们是计算密集型的。这意味着它们无法动态处理，限制了导航。

为了克服这些限制并帮助自动化系统做出类似人类的决策，麻省理工学院的团队改进了团队已经开发的现有端到端导航系统，对其进行训练，以便在以前看不见的情况下从目标开往目的地环境研究人员说。

为实现这一目标，他们使系统能够在驾驶过程中的任何特定时刻预测所有可能的转向指令的完整概率分布，麻省理工学院研究生，研究人员Alexander Amini说。

“在我们的系统中，你不需要事先在每条道路上进行训练，”他在一份新闻声明中说。“你可以下载一张新的汽车地图，以便在以前从未见过的道路上进行导航。”