【太平洋汽車網(wǎng)】自動駕駛汽車的設(shè)計制造面臨著諸多挑戰(zhàn)，如今，各大公司已經(jīng)廣泛采用機(jī)器學(xué)習(xí)尋找相應(yīng)的解決方案。汽車中的ECU（電子控制單元）已經(jīng)整合了傳感器數(shù)據(jù)處理，如何充分利用機(jī)器學(xué)習(xí)完成新的任務(wù)，變得至關(guān)重要。潛在的應(yīng)用包括將汽車內(nèi)外傳感器的數(shù)據(jù)進(jìn)行融合，借此評估駕駛員情況、進(jìn)行駕駛場景分類。

　　車載信息娛樂系統(tǒng)所運(yùn)行的應(yīng)用，能從傳感器數(shù)據(jù)融合系統(tǒng)中獲取數(shù)據(jù)。舉個例子，如果系統(tǒng)察覺駕駛員發(fā)生狀況，有能力把車開到醫(yī)院?；跈C(jī)器學(xué)習(xí)的應(yīng)用，還包括對駕駛員的語言和手勢識別以及語言翻譯。相關(guān)的算法被分類為非監(jiān)督和監(jiān)督算法。它們兩者的區(qū)別在于學(xué)習(xí)的方式。

　　監(jiān)督學(xué)習(xí)算法使用訓(xùn)練數(shù)據(jù)集學(xué)習(xí)，并且能夠持續(xù)學(xué)習(xí)直到達(dá)到設(shè)定的置信水平（最小化出錯概率）。監(jiān)督學(xué)習(xí)算法分為回歸、分類和異常檢測以及數(shù)據(jù)降維。

　　無監(jiān)督學(xué)習(xí)算法，則嘗試挖掘有限數(shù)據(jù)的價值。這意味著，算法會在可用數(shù)據(jù)內(nèi)建立關(guān)系，以檢測模式或者將數(shù)據(jù)集分成子類（取決于之間的相似度）。從廣義上，無監(jiān)督算法可以可分為關(guān)聯(lián)規(guī)則學(xué)習(xí)和聚類。

　　增強(qiáng)學(xué)習(xí)算法是另外一種機(jī)器學(xué)習(xí)算法，介于非監(jiān)督學(xué)習(xí)和監(jiān)督學(xué)習(xí)之間。對于所有訓(xùn)練的例子，監(jiān)督學(xué)習(xí)中有目標(biāo)標(biāo)簽，無監(jiān)督學(xué)習(xí)中卻完全沒有標(biāo)簽。強(qiáng)化學(xué)習(xí)有延遲的、稀疏的標(biāo)簽——未來的獎勵。

　　根據(jù)這些獎勵，智能體學(xué)習(xí)做出恰當(dāng)行為。去理解算法的局限性和優(yōu)點(diǎn)，開發(fā)更加高效的學(xué)習(xí)算法，是增強(qiáng)學(xué)習(xí)的目標(biāo)。增強(qiáng)學(xué)習(xí)可以解決大量實際應(yīng)用，從AI的問題到控制工程或操作研究——所有這些都與開發(fā)自動駕駛汽車相關(guān)。這可以被分為間接學(xué)習(xí)和直接學(xué)習(xí)。

　　在獨(dú)自動駕駛汽車上，機(jī)器學(xué)習(xí)算法的一個主要任務(wù)是持續(xù)渲染周圍的環(huán)境，以及預(yù)測可能發(fā)生的變化。這些任務(wù)可以分為四個子任務(wù)：目標(biāo)檢測目標(biāo)識別或分類目標(biāo)定位運(yùn)動預(yù)測機(jī)器學(xué)習(xí)算法可以簡單地分為4類：決策矩陣算法、聚類算法、模式識別算法和回歸算法?？梢岳靡活悪C(jī)器學(xué)習(xí)算法來完成兩個以上的子任務(wù)。例如，回歸算法能夠用于物體定位和目標(biāo)識別或者是運(yùn)動預(yù)測。

　　決策矩陣算法決策矩陣算法系統(tǒng)地分析、識別和評估信息集和值之間關(guān)系的表現(xiàn)。這些算法主要用于決策。車是否需要剎車或者左轉(zhuǎn)都是基于算法根據(jù)識別、分類和預(yù)測對象的下一個動作給出的置信水平。矩陣決策算法由各種獨(dú)立訓(xùn)練的決策模型組合而成。

（圖/文/攝：太平洋汽車網(wǎng) 問答叫獸）