如何训练自动驾驶汽车，让其对周围的世界有更深的认识？计算机能够从过去的经验中学习，从而认识到未来的模式，以帮助自动驾驶汽车安全地在不可预测的新情况下行驶吗？这些就是麻省理工学院（MIT）运输&物流中心的AgeLab与丰田安全技术协作研究中心（CSRC）试图解答的问题。据外媒报道，MIT与CSRC的答案就是共享了一个名为DriveSeg的创新开放数据集。
通过DriveSeg数据集的发布，可以知道MIT和丰田正致力于推进自动驾驶系统的研究，让该系统能够拥有像人类一样的感知能力，将驾驶环境视为连续的视觉信息流。首席研究员Bryan Reimer表示：“通过共享该数据集，我们希望鼓励研究人员、业内人士和其他创新者为临时AI建模研发新见解和新方向，以实现下一代辅助驾驶和汽车安全技术。”
CSRC高级首席工程师Rini Sherony表示：“预测能力是人类智能的一个重要组成部分。每当人类开车时，总是会跟踪周围环境的运动情况，以识别潜在的危险，做出更安全的决策。通过共享该数据集，我们希望加快对自动驾驶系统和先进安全功能的研究，让其更能适应周围的复杂环境。”
截至目前，已经向研究社区公布的数据集主要是由静态、单一的图像组成，可通过使用“边界框”识别和追踪道路内和道路周围的常见物体，如自行车、行人或交通信号灯等。相比之下，DriveSeg通过连续驾驶场景的视频镜头，对此类相同的常见道路物体进行了更精确的像素级表征。此种全场景分割对于识别没有特定、统一形状的不定形物体特别有用，如道路建筑和植被。
（来源：盖世汽车）
