牛津大学计算机科学系的研究人员与土耳其博加齐奇大学的同事合作，开发了一种新型人工智能（AI）系统，使自动驾驶车辆（AV）能够实现更安全、更可靠的导航能力，特别是在恶劣天气条件和GPS不允许驾驶的情况下。研究结果发表在今天的《自然机器智能》杂志上。
Yasin Almalioglu作为计算机科学系DPhil的一部分完成了这项研究，“在具有挑战性的恶劣天气中，AVs难以实现精确定位，这是迄今为止仅限于相对小规模试验的主要原因。例如，雨或雪等天气可能会导致AV在转弯前检测到自己在错误车道上，或由于定位不准确而在交叉路口停车太晚。”
为了克服这个问题，Almalioglu和他的同事开发了一种新的自我运动估计的自我监督深度学习模型，该模型是AV驾驶系统的关键组件，用于估计汽车相对于从汽车本身观察到的物体的移动位置。该模型将来自视觉传感器（可能会被不利条件干扰）的丰富详细信息与来自天气免疫源（如雷达）的数据结合在一起，以便在不同的天气条件下使用每种方法的好处。
该模型使用多个公开可用的AV数据集进行训练，其中包括来自多个传感器的数据，如摄像机、激光雷达和雷达在不同设置下的数据，包括可变的光/暗水平和降水量。这些用于生成算法以重建场景几何体，并根据新数据计算汽车位置。在各种测试情况下，研究人员证明，该模型显示了强大的全天候性能，包括雨、雾、雪以及白天和夜间的条件。
该团队预计，这项工作将使AVs更接近安全、平稳的全天候自动驾驶，并最终在社会中得到更广泛的应用。
牛津大学计算机科学系的Niki Trigoni教授共同主持了这项研究，他说，“精确定位能力为AVs的许多核心功能提供了基础，如运动规划、预测、态势感知和防撞。本研究为AV软件堆栈提供了一个令人兴奋的补充解决方案，以实现这一功能。”
安德鲁·马卡姆教授（牛津大学计算机科学系）也是这项研究的共同主管，他补充说：“估计自动驾驶系统的精确位置是在挑战性条件下实现可靠自动驾驶的一个关键里程碑。这项研究有效地利用了不同传感器的互补性，帮助自动驾驶系统在困难的日常场景中导航。”