据外媒报道，美国乔治亚理工学院（Georgia Institute of Technology）的一组研究人员提出了一个创新框架，利用车轮速度传感器、惯性测量单元（IMU）传感器以及单目摄像头进行攻击性驾驶。据研究人员所说，该框架结合了深度学习道路检测、模型预测控制（MPC）以及粒子滤波。据报道，该框架有望实现经济高效且强大的自动驾驶。
由于了解自动驾驶极端性已经变得越来越重要，研究人员直接选择了攻击性驾驶，这是了解避免碰撞以及自动驾驶所需安全措施的一个很好的因素。
攻击性驾驶行为指的是汽车超速行驶或是侧倾角过大，就像很多汽车拉力赛中车辆的表现一样。在更早期的研究中，研究人们使用高质量全球定位系统（GPS）在全球位置中预测攻击性驾驶。但是该方法有许多限制，如需要高成本的传感器而且有些地方没有覆盖GPS。
为了克服上述局限性因素，研究小组使用了基于视觉的驾驶解决方案，该方案基于单目摄像头图像，并使用基于模型预测控制数据，产生了前景很好的结果。但是，单独评估每个输入框架导致了学习困难。安装载汽车上的摄像头受限于视野、位置较低，很难在高速下捕捉高质量图片。但是，在最近的研究中，该团队利用基于视频深度神经网络模型（LSTM）生成了图像。
