然而这都是基于眼前事实的判断。
MIT人工智能实验室（CSAIL）和丰田的研究人员并不满足于此，他们希望AI能够预测到路口被遮挡的地方是否会有汽车，从而及时调整车速，保证安全。
要做到这一点可不容易，其中的不确定性因素太多。视觉遮挡、传感器噪声和错误、其他汽车的速度以及其他驾驶员的注意力，这些都会影响到模型权衡风险。
“当你接近路口时，有发生碰撞的潜在危险。相机和其他传感器需要视线不被遮挡。如果存在遮挡，它们没有足够的视野来评估可能发生某些事。”这篇文章的作者之一，同时也是MIT CSAIL实验室主任Daniela Rus说。
MIT和丰田提出的模型是是专门为没有信号灯的路口而设计的，在这样的路口，驾驶方式不受红绿灯影响，完全受制于路口的交通状况。
研究人员用在一个缩小版马路模型中，放入了超过100个遥控汽车，对这套系统进行了测试。利用汽车现有的传感器加算法来估计视野之外的路况。
这些遥控汽车在繁忙的路口前受到阻碍，其他汽车不断驶过路口。实验的道路中有全自动驾驶汽车和有人类司机但包含辅助驾驶的汽车。
该模型将道路分为多个部分，可以确定任何部分是否有被另一辆车占用。驶过的汽车驶入路段时，其速度会影响对随后路段行驶车辆的预测，用贝叶斯网络确定每个路段被过往车辆占用的可能性。
而且汽车位于十字路口时，风险估计会不断更新。例如存在多个遮挡的情况下，它将逐渐向前移动以减少不确定性。
风险估计值足够低时，模型会告诉汽车在不停车的情况下直接穿过十字路口。
研究人员表示，该系统成功地帮助汽车避免了70％到100％的碰撞。它还考虑了汽车驶过十字路口需要多长时间，以及所有安全的过路点。
为了扩大汽车的视野，还有车路协同技术。
通过5G加持的C-V2X，车与车之间、车与道路智能设施之间都可以通讯，等于又给汽车增加了“眼睛”，做到全方位无死角。
而MIT的这项技术可以在没有车联网，或者道路智能设施匮乏的情况下，依旧能够对视野外的路况进行预测。
在遥控汽车上能够实时运行预测模型，证明了它的速度足够快，不需要消耗太多的计算资源，也许不久后就可以部署到自动驾驶汽车的路测当中。
当然，在用于量产车辆的实际实现之前，这个模型仍然需要进行更严格的测试。
接下来，研究人员的目标是在模型中考虑更多具有挑战性的风险因素，例如在十字路口周围的行人。
