通常，我們通過觀察和簡單的GPS工具根據(jù)周圍事物的對比來確定我們的位置及想要去的地方，但是對于無人駕駛的汽車來說，這種推理是非常困難的，汽車要先繪制和分析所在的新道路，后進行動態(tài)等復雜項目的處理，這是非常困難耗時間的。

麻省理工學院的研究人員在機器人與自動化國際會議上發(fā)表研究成果，他們創(chuàng)建了卷積神經(jīng)網(wǎng)絡(CNN)的機器學習系統(tǒng)，該系統(tǒng)僅使用簡單的地圖和攝影機的影像數(shù)據(jù)，使無人駕駛汽車能夠在新的復雜環(huán)境中導航，類似人類駕駛推理模式，可以駕駛以前沒有駕駛過的道路。

與人類駕駛員類似，系統(tǒng)還可以檢測其地圖與道路特征之間的任何不匹配。這有助于系統(tǒng)確定其位置，傳感器或映像是否不正確，以便糾正汽車的航向。在自動駕駛期間，系統(tǒng)連續(xù)地將影像數(shù)據(jù)與地圖數(shù)據(jù)比對，并記錄任何不匹配，協(xié)助自動駕駛汽車確定道路上的位置，也確保汽車保持在最安全的路徑上，如果行駛過程中與輸入信息矛盾時：如汽車在沒有轉彎的直道上行駛，并且GPS指示汽車必須向右轉，汽車將知道要保持直行或停車。

在實際應用中，傳感器可能會有失效的時候，研究人員將來會通過建設一個和能夠接受處理噪音的系統(tǒng)，來確保無人駕駛的安全性。