密歇根理工大学探索全自动驾驶汽车在恶劣天气下的行驶状况( 二 )

Bos称：“并非所有的雪都是一样的。因此雪的多样性也给传感器检测带来了挑战。 Rawashdeh补充说：“对数据进行预处理并确保标记准确对于保障准确性和安全性非常重要。人工智能就像厨师，食材好，才能做出好餐食。如果给到AI学习网络的数据较差，则结果也会非常差劲。 ”
低质量数据问题和实际污垢一样，都是现实存在的问题。就像道路污垢一样，传感器积雪问题可以解决但很麻烦。即使视野清晰，自动驾驶汽车传感器在检测障碍物方面也仍不总是一致。 Bos举了一个很好的例子，传感器在清理本地收集的数据时发现了一只鹿。激光雷达表示斑点不重要（30%的可能性是障碍物），而在摄像头中，它就像一个昏昏欲睡的人掌握着方向盘（有50%的可能性），但红外传感器就会大喊“哇”（90%确定这是一只鹿）。
让传感器及其风险评估相互交流和学习，就像印度三个盲人找到大象的寓言：每个人都触摸大象的不同部位：耳朵、躯干和腿，随后得出不同的结论。通过传感器融合， Rawashdeh和Bos希望自主传感器能够共同找出答案，无论结果是大象、鹿还是雪堆。正如Bos所说：“通过使用传感器融合，我们将得出一个全新估算，而不是严格投票。 ”