透過觀察和簡單的工具，人類駕駛者可以駕駛以前沒有行駛過的道路。我們只是將我們周遭看到的內容與GPS設備上看到的內容進行比對，來確定我們的位置以及我們想要去的地方。然而，無人駕駛汽車卻會在這種基本推理中掙扎，因為在每個新的區(qū)域，汽車必須先測繪和分析所有新道路，且系統(tǒng)也依賴于復雜的地圖與動態(tài)處理與生成，這非常耗時。

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。

在現(xiàn)實世界中，傳感器會失效的時候，研究人員希望透過建構一個能夠接受這些噪聲輸入的系統(tǒng)，來確保系統(tǒng)對不同傳感器的故障問題仍具有健全性，并且仍能在路上正確導航和定位。