盖世汽车讯 据外媒报道，在今年的美国加州长滩举行的第31届神经信息处理系统大会（NIPS conference 2017）上，奥迪展示一项预研发创新项目（innovative pre-development project）。该项目涉及一款单目摄像头（mono camera），奥迪将人工智能技术应用到该设备中，从而生成了超高精度车辆周边环境的3D建模。该会议的举办时间为2017年12月4日-9日，奥迪是其联合赞助商。

新款奥迪A8是全球首款3级自动驾驶量产车型，奥迪人工智能交通拥堵导航系统可应对缓行交通（slow-moving traffic）的驾驶任务，将最大车速限制在60 km/h（约合37.3 mph），该系统既符合现行的法规，又满足了驾驶员的意愿与需求。要实现自动驾驶，务必要先绘制并获取车辆的周边环境影像，并尽可能提升其精确性（最大精度），人工智能技术是实现该目标的一项核心技术。

奥迪子公司Audi Electronics Venture（AEV）在神经信息处理系统大会（Neural Information Processing Systems，NIPS）上推出的这款单目摄像头利用人工智能技术，为车辆生成超高精度的3D环境建模，使车载系统精确捕获车辆周边环境的影像。

该款常规前置摄像头相当于传感器，旨在捕获车辆前方区域的影响，视角为120度左右，传输速率为15张图/秒，分辨率高达130万像素。这类影像在神经网络中进行加工处理并实现语义分割（semantic segmenting），各像素将被归入到所属的对象类（共13个对象类，object classes），从而使车辆识别其他车辆、卡车、房屋、道路标记、人类及交通信号并加以区分。

该系统还能利用神经网络获得距离信息，可通过等值线（ISO lines）实现可视化，该等值线被用于规定常数距离（constant distance）。该系统结合了语义分隔及深度估值，从而生成了实际环境的3D建模。

奥迪工程师早前利用“无监督式学习（unsupervised learning）”技术，助其实现对神经网络的训练工作。与监督式学习（supervised learning）截然相反，非监督式学习是通过对环境及情境进行观察的一种学习方法，且上述环境与情境无需经过预分类或使用分类数据（classified data）。因此，神经网络自己学习了解相关规则，并利用该规则从单目摄像头中获得影像的3D信息。此外，AEV项目对诠释交通环境具有巨大的潜力。

大众的伙伴方也在奥迪展台推出了各自的人工智能议题，Fundamental AI Research致力于研发费监督式学习技术，并借助变分推断（variational inference）优化其控制。值得一提的是，变分推断是一项用于展现概率分布的高效方式。

最终，加州贝尔蒙特电子研究实验室（Electronics Research Laboratory of Belmont, California）的奥迪团队为观众演示了人工智能辅助停车方案。人工智能学会利用摄像投采集的数据生成3D环境建模并实现车辆转向，该方法无需高精度定位或地图数据。（本文图片选自奥迪官网）