ALVINN 神经网络自动驾驶系统

一个学会打方向盘的网络

ALVINN（An Autonomous Land Vehicle in a Neural Network）于 1988 年在卡内基梅隆大学机器人研究所（Robotics Institute）的 Navlab 项目中开发^[1]。它是一个三层全连接前馈网络（feedforward network），用反向传播（backpropagation）训练，三层规模分别为 1217、29、46 个神经元，共 36,627 个权重^[1]。它的任务是道路跟随：以摄像头和激光测距仪的画面为输入，输出车辆为跟随道路应当行驶的方向^[2]。相关工作以 Dean A. Pomerleau 的 NIPS 1988 论文《ALVINN: An Autonomous Land Vehicle In a Neural Network》发表^[2]，更详细的记述见于 Pomerleau 1992 年的博士论文^[1]。

由来

卡内基梅隆对计算机控制车辆的研究始于 1984 年，是 DARPA 战略计算计划（Strategic Computing Initiative）的一部分；Navlab 1 的建造于 1986 年开始^[1]。Navlab 是一辆改装的雪佛兰厢式车（Chevy van），项目目标是实时训练人工神经网络去完成困难的感知任务，ALVINN 就是用来驾驶这辆车的反向传播网络^[3]。

输入与输出

输入层有 1217 个单元，与 29 个单元的隐藏层全连接，隐藏层再与输出层全连接^[2]。输入来自两片「视网膜」：一片是 30x32 的灰度摄像头数值网格，另一片是 8x32 的激光测距深度网格，视场角为 30 度乘 80 度；此外还有一个道路亮度反馈单元^[1][2]。输出层由 45 个单元构成一段线性的转向角范围，另加一个反馈单元，激活最强的那个转向单元决定最终方向^[1]。

训练与路测

训练采用监督学习，使用 1200 张与测距数据配对的模拟道路图像，在 Warp 机器上训练 40 轮（epoch），耗时 45 分钟^[1]。在未参与训练的模拟道路图像上，训练后的网络把正确转向角预测在两个单元以内的准确率达到 90%^[1]。

真实路况带来一个模拟图像解决不了的问题：人类驾驶员很少偏离道路中央，只在居中图像上训练的网络，几乎没有见过车辆跑偏时该怎么办。团队的办法是把每张真实图像分别向左右平移 5 个量，一张样本变成 11 张^[1]，这是数据增强（data augmentation）的一次早期实践^[1]。

在 Navlab 1 上的实车实验中，系统以 0.5 米/秒的速度沿一条 400 米的林间小路行驶，天气覆盖降雪、降雨、晴天和阴天^[1]。第一套 ALVINN 于 1989 年 2 月在 Warp 机器上训练完成，耗时 8 小时；1989 年 3 月 16 日，Navlab 创下 1.3 米/秒的新纪录^[1]。机器人研究所自己的介绍则强调另一条训练路径：通过观察人类驾驶员的反应，ALVINN 能在 5 分钟以内学会自主操控 Navlab，车速最高可达每小时 20 英里^[3]。

在发展中的位置

维基百科把 ALVINN 称作表示学习（representation learning）、传感器融合（sensor fusion）和数据增强的早期示范^[1]。网络并没有被喂进人工编写的道路、车道线或边缘模型，而是自己学会把原始传感器网格映射为转向指令，摄像头与测距数据进入同一个网络^[1]。