Глубокое обучение (нейронные сети) позволяет автономным транспортным средствам собирать и обрабатывать огромные объёмы данных из окружающей среды, а затем принимать решения на основе этой информации. 5

Некоторые области применения глубокого обучения в автономных транспортных средствах:

• Восприятие окружающей среды. 1 Нейронные сети анализируют данные, поступающие от различных сенсоров, таких как радары, лидары, камеры. 1
• Обнаружение и распознавание объектов. 1 Нейронные сети способны обнаруживать объекты на изображениях и видео, что важно для идентификации других участников движения (автомобилей, пешеходов, дронов). 1
• Принятие решений. 1 Модели с подкреплением позволяют автономным транспортным средствам принимать решения, учитывая внешние условия и целевые задачи. 1
• Управление движением. 1 Нейронные сети могут контролировать движение, управляя рулевым управлением, торможением и ускорением. 1
• Прокладка маршрутов. 2 Глубокое обучение включает в себя сложные расчёты для оптимального выбора пути с учётом текущих условий, включая пробки, погодные условия или ДТП. 2
• Безопасность. 1 Нейронные сети могут использоваться для обнаружения аномалий в поведении транспортного средства, что помогает предотвратить аварии. 1
• Обновления и самообучение. 1 Нейронные сети могут обучаться на основе новых данных, собранных в реальном времени, что позволяет автономным транспортным средствам постепенно улучшать своё поведение. 1