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，軟板小編了解到，無人駕駛汽車卻會在這種基本推理中掙扎，因為在每個新的區域，汽車必須先測繪和分析所有新道路，且系統也依賴于復雜的地圖與動態處理與生成，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。FPC廠發現，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。

  在現實世界中，傳感器會失效的時候，柔性電路板廠發現，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，來確保系統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。