據(jù)外媒報(bào)道，美國(guó)喬治亞理工學(xué)院（Georgia Institute of Technology）的一組研究人員提出了一個(gè)創(chuàng)新框架，利用車輪速度傳感器、慣性測(cè)量單元（IMU）傳感器以及單目攝像頭進(jìn)行攻擊性駕駛。據(jù)研究人員所說(shuō)，該框架結(jié)合了深度學(xué)習(xí)道路檢測(cè)、模型預(yù)測(cè)控制（MPC）以及粒子濾波。據(jù)報(bào)道，該框架有望實(shí)現(xiàn)經(jīng)濟(jì)高效且強(qiáng)大的自動(dòng)駕駛。

　　由于了解自動(dòng)駕駛極端性已經(jīng)變得越來(lái)越重要，研究人員直接選擇了攻擊性駕駛，這是了解避免碰撞以及自動(dòng)駕駛所需安全措施的一個(gè)很好的因素。

　　攻擊性駕駛行為指的是汽車超速行駛或是側(cè)傾角過(guò)大，就像很多汽車?yán)愔熊囕v的表現(xiàn)一樣。在更早期的研究中，研究人們使用高質(zhì)量全球定位系統(tǒng)（GPS）在全球位置中預(yù)測(cè)攻擊性駕駛。但是該方法有許多限制，如需要高成本的傳感器而且有些地方?jīng)]有覆蓋GPS。

　　為了克服上述局限性因素，研究小組使用了基于視覺的駕駛解決方案，該方案基于單目攝像頭圖像，并使用基于模型預(yù)測(cè)控制數(shù)據(jù)，產(chǎn)生了前景很好的結(jié)果。但是，單獨(dú)評(píng)估每個(gè)輸入框架導(dǎo)致了學(xué)習(xí)困難。安裝載汽車上的攝像頭受限于視野、位置較低，很難在高速下捕捉高質(zhì)量圖片。但是，在最近的研究中，該團(tuán)隊(duì)利用基于視頻深度神經(jīng)網(wǎng)絡(luò)模型（LSTM）生成了圖像。