這篇文章來源于DevicePlus.com英語網站的翻譯稿。

想象一下，當您正駕駛著汽車行駛在一個陌生的地方的公路上，突然意識到目的地就在右手邊，迅速右轉，然后砰！您撞上了一個正在騎行的人。

在過去十年中各種駕駛輔助技術的興起使人們能夠更加安全、輕松地駕駛。由康奈爾大學和斯坦福大學的科學家開發(fā)的Brain4Car，用深度學習的方法了解和監(jiān)控駕駛員的行為，從而在類似上述糟糕的情況發(fā)生之前向他們發(fā)出提醒。深度學習或深度機器學習，指的是由多個層次組成的人工神經網絡，用于對數(shù)據集之間的復雜關系進行建模。該項目的目標是及時預測駕駛員的動作，以防止撞車之類危險的發(fā)生。

據斯坦福大學博士生兼項目負責人Ashesh Jain稱，他們的著重點在于為汽車配備盡可能多的傳感器來對駕駛員進行監(jiān)控。通過這種方式，預測系統(tǒng)可以學習并提前了解您在駕駛的時候會做什么。

Ashesh的團隊在兩個月內收集了10位駕駛員的視頻片段。一個完整的數(shù)據集包括在高速公路和本地街道等不同場景地中拍攝的200萬個視頻幀。駕駛員共駕駛了1180英里，并且通過使用車內駕駛員和車前道路的視頻、車輛動態(tài)、全球定位系統(tǒng)（GPS）和街道地圖進行系統(tǒng)開發(fā)。

Brain4Car的最新版本能夠幫助駕駛員在其進行操縱前的3.5秒內對操縱動作作出實時預測，且精度為90.5%。通過改編基于遞歸神經網絡的傳感器融合（不同傳感器數(shù)據的集合），并結合駕駛員3D頭部姿勢（駕駛員位置和方向的結合），使駕駛員行為的預測準確性從去年的80%提高到今年的90.5%。

該系統(tǒng)的效果令人驚喜，但是仍有其局限性。目前，它只能預測五種操縱：左轉，右轉，變更左車道，變更右車道，直線行駛。高級駕駛輔助系統(tǒng)（ADAS）的項目仍在進行中。在另一項研究中，卡內基梅隆大學人機交互研究所的研究人員從15位駕駛員那里收集了數(shù)據，包括車輛的運動、交通狀況以及駕駛員的生理反應等，以開發(fā)一種可以在行駛中進行調解干擾的系統(tǒng)。該系統(tǒng)可以提醒駕駛員對不斷變化的駕駛環(huán)境作出相應的反應。

Yulhane-Jerez Koh

Yulhane畢業(yè)于加州大學伯克利分校，是一名生物力學工程師，也是DevicePlus的執(zhí)行編輯。Yulhane對集群機器人技術、機器學習以及神經科學領域具有濃厚的興趣。

審核編輯黃宇