通常，我們通過觀察和簡單的GPS工具根據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表研究成果，他們創建了卷積神經網絡（CNN）的機器學習系統，該系統僅使用簡單的地圖和攝影機的影像數據，使無人駕駛汽車能夠在新的復雜環境中導航，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，系統連續地將影像數據與地圖數據比對，并記錄任何不匹配，協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，來確保無人駕駛的安全性。