<acronym id="qrwmm"></acronym>

        1. <optgroup id="qrwmm"><em id="qrwmm"><del id="qrwmm"></del></em></optgroup><acronym id="qrwmm"><sup id="qrwmm"></sup></acronym>

          麻省理工學院:預測他人在路上的行為

          麻省理工學院:預測他人在路上的行為

          2022-04-21 13:57:29

          人類可能是讓全自動駕駛汽車遠離城市街道的障礙之一。

          如果機器人要在波士頓市中心安全地駕駛車輛,它必須能夠預測附近的司機、騎自行車的人和行人接下來會做什么。

          然而,行為預測是一個棘手的問題,目前的人工智能解決方案要么過于簡單(他們可能假設行人總是走直線),要么過于保守(為了避開行人,機器人只是將車停在公園里),要么只預測一個代理的下一步動作(道路通常同時承載許多用戶。)  

          麻省理工學院的研究人員為這一復雜挑戰設計了一種看似簡單的解決方案。他們將多智能體行為預測問題分解成更小的部分并單獨處理每個部分,因此計算機可以實時解決這一復雜任務。

          他們的行為預測框架首先猜測兩個道路使用者之間的關系——哪輛車、騎自行車的人或行人擁有通行權,以及哪個代理會讓路——并使用這些關系來預測多個代理的未來軌跡。

          與自動駕駛公司 Waymo 編制的龐大數據集中的真實交通流量相比,這些估計的軌跡比其他機器學習模型的軌跡更準確。麻省理工學院的技術甚至優于 Waymo 近發布的模型。由于研究人員將問題分解為更簡單的部分,他們的技術使用的內存更少。

          “這是一個非常直觀的想法,但之前沒有人充分探索過,而且效果很好。簡單是一個優點。我們正在將我們的模型與該領域的其他模型進行比較,包括來自該領域公司 Waymo 的模型,我們的模型在這個具有挑戰性的基準測試中實現了性能。這對未來有很大的潛力。計算機科學與人工智能實驗室(CSAIL)成員。

          與黃和威廉姆斯一起參與論文的還有來自中國清華大學的三位研究人員:共同主要作者、研究助理孫喬;顧君如,研究生;和作者趙航博士'19,助理教授。該研究將在計算機視覺和模式識別會議上發表。

          多個模型

          研究人員的機器學習方法稱為 M2I,它需要兩個輸入:汽車、騎自行車的人和行人在交通環境(例如四向交叉路口)中交互的過去軌跡,以及帶有街道位置、車道配置等的地圖。

          使用此信息,關系預測器推斷出兩個代理中的哪一個首先擁有通行權,將一個分類為通過者,一個分類為屈服者。然后一個預測模型(稱為邊際預測器)猜測通過代理的軌跡,因為該代理獨立運行。

          第二個預測模型,稱為條件預測器,然后根據通過代理的動作猜測讓步代理將做什么。系統預測出讓者和通過者的許多不同軌跡,分別計算每一個的概率,然后選擇發生可能性的六個聯合結果。

          M2I 輸出預測這些代理將如何在接下來的 8 秒內通過流量。在一個示例中,他們的方法使車輛減速,以便行人可以過馬路,然后在他們通過交叉路口時加速。在另一個示例中,車輛等到幾輛汽車通過后才從一條小街轉向繁忙的主干道。

          雖然這項初步研究側重于兩個代理之間的交互,但 M2I 可以推斷許多代理之間的關系,然后通過鏈接多個邊際和條件預測變量來猜測它們的軌跡。

          這些模擬展示了研究人員開發的系統如何在涉及其他汽車、騎自行車者和行人的復雜交通情況下預測藍色車輛的未來軌跡(用紅線顯示)。

          真實世界的駕駛測試

          研究人員使用 Waymo Open Motion 數據集訓練模型,該數據集包含由安裝在公司自動駕駛汽車上的激光雷達(光檢測和測距)傳感器和攝像頭記錄的數百萬個涉及車輛、行人和騎自行車者的真實交通場景。他們特別關注具有多個代理的案例。

          為了確定準確性,他們將每種方法的六個預測樣本(按置信度加權)與場景中汽車、騎自行車者和行人所遵循的實際軌跡進行了比較。他們的方法是準確的。它還在被稱為重疊率的指標上優于基線模型;如果兩條軌跡重疊,則表明發生了碰撞。M2I 的重疊率。

          “我們不只是建立一個更復雜的模型來解決這個問題,而是采用了一種更像人類在推理與他人互動時的思維方式的方法。人類不會對未來行為的所有數百種組合進行推理。我們做出決定的速度非???,”黃說。

          M2I 的另一個優點是,因為它將問題分解成更小的部分,用戶更容易理解模型的決策。黃說,從長遠來看,這可以幫助用戶更加信任自動駕駛汽車。

          但是該框架無法解釋兩個代理相互影響的情況,例如兩輛車在四向停車時各自向前輕推,因為司機不確定誰應該讓步。

          他們計劃在未來的工作中解決這一限制。他們還希望使用他們的方法來模擬道路使用者之間的真實交互,這可用于驗證自動駕駛汽車的規劃算法或創建大量合成駕駛數據以提高模型性能。

          “預測多個交互代理的未來軌跡尚未得到充分探索,并且對于在復雜場景中實現完全自治極具挑戰性。M2I 提供了一種非常有前途的預測方法,其關系預測器可以區分邊緣預測或有條件預測的代理,這顯著簡化了問題,”加州大學伯克利分校機械工程杰出教授和 Wei助理專業研究員詹在一封電子郵件中。“預測模型可以捕捉代理之間的內在關系和交互,以實現的性能?!?nbsp;這兩位同事沒有參與這項研究。

          這項研究得到了高通創新獎學金的部分支持。豐田研究所也提供資金支持這項工作。

          立即咨詢

          內蒙古匠人教育咨詢服務有限公司
          地址:內蒙古呼和浩特市回民區中山西路海亮廣場A座2901
          電話:0471-6381888 15024938882
          郵箱:dubailin_aoe@126.com

          在線留言

          蒙公網安備 15010302000537號

          蒙公網安備 15010302000536號

          亚洲欧洲自拍拍偷午夜色
                  <acronym id="qrwmm"></acronym>

                1. <optgroup id="qrwmm"><em id="qrwmm"><del id="qrwmm"></del></em></optgroup><acronym id="qrwmm"><sup id="qrwmm"></sup></acronym>