人家Nvidai高檔GPU顯卡是來打電競學破關，我們來幹教NVidia主機板學會自己開真車，
騎車放雙手不稀奇，我們來自幹開車放雙手！

下面的這段影片不是Teslas!
只是2016年份林肯轎車，是Udacity新買來，為了2016年9月第一屆創建開源自動駕駛系統課用的。

個人覺得較精彩的段落：

第6分48秒，穿越樹林小徑，沒有標線且蜿蜒的枯葉泥土路！
我相信市售百萬名車的業務，沒人有把握敢講車道維持系統KLAS若遇到看不到標線的路況是如何！

第8分34秒，憑著視覺記憶自己繞圈迴轉，這有像是超大台的迷宮老鼠機器人 XD

第9分27秒，高速通過交通錐，一個也沒撞翻，同樣的這是用攝影機影像的OpenCV + 積卷神經網路演算「看出路」

DAVE-2 deep learning system

注意看路面，這是穿越樹林小徑，沒有標線，且蜿蜒的枯葉泥土路

(影片與圖片來源：Nvidai開發者部落格 https://devblogs.nvidia.com/parallelforall/deep-learning-self-driving-cars/ )

這段影片當中的放雙手表演電腦自己開車，全部「只有使用自幹加裝的前方攝影機一隻」而已，「並沒有使用其他感測器」，也還沒有用上更先進的雷射光雷達(LiDAR光達)那些自駕車該用上的高貴裝備！

這是指導教師團隊以身作則，自己實作一次用自家主機板，搭買市售高級攝影機，
用積卷神經網路理論實作一次街景影像辨識，教電腦學會認馬路，
然後只用一隻前方攝影機就能夠認路、介入行車操控網路，自動打方向盤、加減速！

咦，不是說只有一隻攝影機嗎，影片中明明還有左右兩隻啊？

左右邊還有兩隻攝影機，那是學習階段認路用的，deep learning學習階段取三隻影像，駕駛程市學會自己看出車道之後，就能夠只用一隻了；

這也就是深度學習 end to end learning的威力，特別適用講不完特徵條件的狀況，

這也是Tesla 後來停止和以色列 MobileEye合作，改向 NVidia合作開發利用GPU平行運算優點，發展神經網路的deep learning。

因著OpenSource，實戰自動駕駛已經不是傳統車廠的高立門檻不得其門而入的事，
並且在未來自動車和車聯網的時代軟體的重要性更大於上個世紀的車體，
反而能因此為自我學習者大開機會之門，進入人工智慧的高價值領域，這實在是太勵志了！

實作學習資源彙整：

Udacity的「self-driving car」課程入口：

1. https://www.udacity.com/drive
2. https://www.udacity.com/self-driving-car

託管程式碼和相關文擋的Github專案路徑：https://github.com/udacity/self-driving-

Udacity self-driving car 課程教師的部落格
https://medium.com/udacity/challenge-4-self-driving-car-android-dashboard-83a2a5c8b29e#.ge0q1yizy

Nvidia開發者部落格，End-to-End Deep Learning for Self-Driving Cars
https://devblogs.nvidia.com/parallelforall/deep-learning-self-driving-cars/

NVIDIA的完整論文「End-to-End Deep Learning for Self-Driving Cars」
https://arxiv.org/pdf/1604.07316v1.pdf
(待續......)