Wayve利用強化學(xué)習技術(shù)及“獎懲制度” 實(shí)現雷諾Twizy的自動(dòng)駕駛導航

　　據外媒報道，人工智能初創(chuàng )企業(yè)Wayve認為，應該尋找更好的方式來(lái)為自動(dòng)駕駛汽車(chē)提供駕駛培訓，而非致力于配置更為成熟的硬件及詳細的3D地圖。該公司于近日發(fā)布了一個(gè)視頻，展示了改款雷諾Twizy車(chē)型(雙座版電動(dòng)車(chē))是如何自學(xué)自動(dòng)駕駛導航的。該車(chē)輛利用強化學(xué)習(機器學(xué)習技術(shù)的一種)，該系統在作出理想的操作后，會(huì )獲得“獎賞”，而作出不理想的操作后，將會(huì )受到“懲罰”。

　　目前，大部分在研發(fā)的自動(dòng)駕駛系統均依賴(lài)3D明細地圖來(lái)提供導航，全球各大公司競相創(chuàng )建新地圖，利用成熟的傳感器及攝像頭技術(shù)，繪制詳細的城市街道及高速地圖。換言之，自動(dòng)駕駛系統需要其攝像頭及傳感器復雜體系的支持，從而實(shí)現導航操作。

　　不幸的是，3D地圖是一項勞動(dòng)密集型的工作，需要頻繁更新地圖中的建筑物。從事3D地圖業(yè)務(wù)的各公司計劃優(yōu)先關(guān)注并繪制交通量高的道路，再繪制郊區地圖。

　　Wayve的技術(shù)或將淘汰3D地圖。在視頻中，雷諾Twizy車(chē)型只搭載了一款前置攝像頭(大多數的自動(dòng)駕駛車(chē)輛均配置了多款攝像頭。以特斯拉的Autopilot為例，其車(chē)型搭載了8個(gè)攝像頭)。相較之下，雷諾Twizy車(chē)型采用一個(gè)攝像頭向圖像處理單元(graphics processing unit，GPU)提供實(shí)時(shí)信息，該款GPU可運行Wayve公司的強化學(xué)習算法，可控制車(chē)輛的加速、制動(dòng)及轉向。

　　在車(chē)輛學(xué)習過(guò)程中，后備駕駛員坐在駕駛座內，每當車(chē)輛偏離道路時(shí)，會(huì )“懲罰”一次系統。當人為干預操作的間隔期越久，系統所獲得的“獎勵”就越多。

　　在近20分鐘時(shí)間里，車(chē)輛能夠指出應如何解決多彎道路況的行駛問(wèn)題。

　　若Wayve持續研發(fā)其強化學(xué)習算法，未來(lái)自動(dòng)駕駛車(chē)輛似乎不再依賴(lài)3D地圖，這意味著(zhù)所有人都將因自動(dòng)駕駛車(chē)輛而獲益，享受出行樂(lè )趣。