据外媒The Verge报道，近日斯坦福大学的工程师创建了一个神经网络，可以使无人驾驶汽车像赛车手一样进行高速、低摩擦的操作。研究人员表示，这是提高自动驾驶汽车避免事故能力的重要一步。

　　相关研究论文本月早些时候在《科学⋅机器人学》杂志上发表。该论文主要作者 Nathan Spielberg表示：“我们希望我们的算法能够与最熟练的驾驶员一样好 - 而且希望更好。” “我们的工作是出于安全的原因，我们希望自动驾驶汽车能够在许多情况下工作，从高摩擦柏油路的正常驾驶到冰雪路面的快速、低摩擦驾驶。”

　　该团队使用了一种称为神经网络的人工智能算法，该算法松散地基于我们大脑中的神经网络，以创建自动驾驶系统。神经网络是一种机器学习，程序员可以构建模型来筛选大量数据并查找模式。这些网络用于为自动驾驶车辆的“大脑”供电，该大脑通常是存储在每辆车行李箱中的高功率GPU，用于控制决策过程。

　　斯坦福大学的团队训练了一个神经网络，其中包含200,000个机动样本的数据，包括在冰雪等光滑表面上进行试驾。然后他们将他们的系统带到萨克拉门托山谷的Thunderhill赛道进行测试。斯坦福大学的车队在他们的测试中使用了两辆自动驾驶汽车：Niki——一辆自动驾驶的大众GTI，以及Shelley——一辆自动驾驶的奥迪TTS。

　　首先，Shelley在基于物理的自动系统控制下加速，预装了有关路线和条件的固定信息。当在同一场地的连续10次试验进行比较时，Shelley和熟练的业余车手产生了不相上下的单圈时间。然后，研究人员在Niki车辆上测试了他们新的神经网络系统。虽然神经网络缺乏关于道路摩擦的明确信息，但汽车的表现类似于运行学习和基于物理的系统。