转自：中国科技网

俄罗斯研究人员开发出一种模拟器，俄开可以更高的发模准确性、更少的拟器时间和计算成本来训练无人驾驶运输系统。研究人员称，训练新连线俄该解决方案是无人使用现代人工智能技术获得的。相关研究结果发表在《传感器》杂志上。驾驶

交通流管理的车创复杂性在于司机驾驶汽车的行为很难预测。为解决这个问题开发和引进的俄开无人驾驶车辆，控制系统与任何其他智能系统一样，发模需要在广泛的拟器路况下进行初步训练。

莫斯科通信和信息技术大学信息技术系主任米哈伊尔·戈罗德尼切夫解释说，训练新连线俄目前训练无人驾驶车辆需行驶数千公里，无人通过不断变化的驾驶外部条件和各种路况引导控制系统。这种学习方法需要花费大量时间，车创而且无法重现现实生活中的俄开所有场景。

研究人员使用卷积神经网络开发了用于运输基础设施的智能系统。该系统进行了系统设计，还修改和开发了神经网络的架构，使其能以足够精度对对象进行分类，获得优化的对象并降低计算复杂性。该方法用于现实的城市环境模拟器，可在训练无人驾驶运输系统时减少时间和计算成本。（本栏目稿件来源：俄罗斯卫星通讯社 整编：本报驻俄罗斯记者董映璧）