据外媒报导，美国乔治亚理工学院（GeorgiaInstituteofTechnology）的一组研究人员明确提出了一个创意框架，利用车轮速度传感器、惯性测量单元（IMU）传感器以及单目摄像头展开攻击性驾驶员。据研究人员所说，该框架融合了深度自学道路检测、模型预测掌控（MPC）以及粒子滤波。

据报导，该框架未来将会构建经济高效且强劲的自动驾驶。由于理解自动驾驶极端性早已显得更加最重要，研究人员必要自由选择了攻击性驾驶员，这是理解防止撞击以及自动驾驶所须要安全措施的一个很好的因素。攻击性驾驶员不道德所指的是汽车超速行驶或是外侧倾角过大，就像很多汽车拉力赛中车辆的展现出一样。

在更加早期的研究中，研究人们用于高质量全球定位系统（GPS）在全球方位中预测攻击性驾驶员。但是该方法有许多容许，如必须低成本的传感器而且有些地方没覆盖面积GPS。为了解决上述局限性因素，研究小组用于了基于视觉的驾驶员解决方案，该方案基于单目摄像头图像，并用于基于模型预测控制数据，产生了前景很好的结果。

但是，分开评估每个输出框架造成了自学艰难。加装载有汽车上的摄像头受限于视野、方位较低，很难在高速下捕猎高质量图片。但是，在最近的研究中，该团队利用基于视频深度神经网络模型（LSTM）分解了图像。

本文来源：PG电子-www.nagra-international.com