牛津大学计算机科学系的研究人员与土耳其 Bogazici 大学的同事合作开发了一种新型人工智能 (AI) 系统。

Yasin Almalioglu 完成了这项研究，作为他在计算机科学系的哲学博士的一部分，他说：“无人驾驶汽车在恶劣的恶劣天气下难以实现精确定位，这是它们仅限于相对小规模试验的主要原因。到现在。例如，下雨或下雪等天气可能会导致 AV 在转弯前检测到自己在错误的车道上，或者由于定位不准确而在十字路口停得太晚。”

为了克服这个问题，Almalioglu 和他的同事开发了一种新颖的、自我监督的深度学习模型，用于自我运动估计，这是 AV 驾驶系统的一个重要组成部分，可以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(可能会因不利条件而中断)的丰富详细信息与来自不受天气影响的来源(例如雷达)的数据结合在一起，以便在不同的天气条件下利用每种信息的优势。

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(例如相机、激光雷达和雷达)在不同设置下的数据，包括可变的光照/黑暗水平和降水量。这些被用来生成算法来重建场景几何并根据新数据计算汽车的位置。在各种测试情况下，研究人员证明该模型表现出强大的全天候性能，包括雨、雾、雪以及白天和黑夜的条件。

该团队预计，这项工作将使 AV 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。