俄罗斯研究人员开发出一种模拟器，可以更高的准确性、更少的时间和计算成本来训练无人驾驶运输系统。研究人员称，该解决方案是使用现代人工智能技术获得的。相关研究结果发表在《传感器》杂志上。
交通流管理的复杂性在于司机驾驶汽车的行为很难预测。为解决这个问题开发和引进的无人驾驶车辆，控制系统与任何其他智能系统一样，需要在广泛的路况下进行初步训练。
莫斯科通信和信息技术大学信息技术系主任米哈伊尔·戈罗德尼切夫解释说，目前训练无人驾驶车辆需行驶数千公里，通过不断变化的外部条件和各种路况引导控制系统。这种学习方法需要花费大量时间，而且无法重现现实生活中的所有场景。
研究人员使用卷积神经网络开发了用于运输基础设施数字认证的智能系统。该系统进行了系统设计，还修改和开发了神经网络的架构，使其能以足够精度对对象进行分类，获得优化的对象并降低计算复杂性。该方法用于现实的城市环境模拟器，可在训练无人驾驶运输系统时减少时间和计算成本。
