深度学习在自动车辆控制中的应用研究综述（A Survey of Deep Learning Applications to Autonomous Vehicle Control）

题目： A Survey of Deep Learning Applications to Autonomous Vehicle Control

摘要：

为自动驾驶车辆设计一个能够在所有驾驶场景中提供足够性能的控制器是一个挑战，因为它的环境非常复杂，而且无法在部署后可能遇到的各种场景中测试系统。然而，深度学习方法已经显示出巨大的潜力，不仅为复杂的非线性控制问题提供了出色的性能，而且还可以将以前学习的规则推广到新的场景中。基于这些原因，在车辆控制中使用深度学习变得越来越流行。虽然在这一领域取得了重要的进展，但这些工作尚未得到全面总结。本文调查了文献报道的广泛的研究工作，旨在通过深度学习的方法来控制车辆。虽然控制和感知之间存在重叠，但本文的重点是车辆控制，而不是更广泛的感知问题，包括语义分割和目标检测等任务。本文通过比较分析，明确了现有深度学习方法的优势和局限性，并从计算、体系结构选择、目标规范、泛化、验证和验证以及安全性等方面探讨了研究的挑战。总的来说，这项调查为智能交通系统相关的一个快速发展的领域带来了及时和热门的信息。

作者：

Sampo Kuutti是萨里大学汽车工程中心硕士研究生，研究兴趣是机器学习，强化学习，自动车辆。

Richard Bowden是英国萨里大学计算机视觉和机器学习教授，在伦敦大学获得计算机科学学士学位，利兹大学获得理学硕士学位，布鲁内尔大学获得计算机视觉博士学位。Richard Bowden教授领导视觉、语言和信号处理中心的认知视觉小组，他的研究中心是利用计算机视觉来定位、跟踪和理解人类。他是图像和视觉计算、IEEE模式分析和机器智能的副主编，是英国机器视觉协会(BMVA)执行委员会的成员。