蓋世汽車訊 人類的決策過(guò)程本身就具有層級(jí)，這也意味著為實(shí)現(xiàn)短期和長(zhǎng)期目標(biāo)，會(huì)同時(shí)涉及到多個(gè)層次的推理以及不同的規(guī)劃策略。在過(guò)去十年間，越來(lái)越多的計(jì)算機(jī)科學(xué)家一直在研發(fā)能夠復(fù)制人類決策過(guò)程的計(jì)算工具和技術(shù)，讓機(jī)器人、自動(dòng)駕駛汽車或者其他設(shè)備能夠更快、更高效地做出決策，這一點(diǎn)對(duì)于自動(dòng)駕駛汽車等機(jī)器人系統(tǒng)而言尤其重要，因?yàn)槠湫袨闀?huì)直接影響到人類的安全。

LOKI數(shù)據(jù)集（圖片來(lái)源：本田）

據(jù)外媒報(bào)道，本田美國(guó)研究所（Honda Research Institute U.S.）、本田研發(fā)中心（Honda R&D）以及美國(guó)加州大學(xué)伯克利分校（UC Berkeley）最近編制了一個(gè)數(shù)據(jù)集LOKI，可用于訓(xùn)練能夠預(yù)測(cè)路上行人和車輛行進(jìn)軌跡的模型。該數(shù)據(jù)集包含從駕駛員角度拍攝到的街道上不同對(duì)象（如行人、自行車、汽車等）的圖像，而且圖像已經(jīng)被仔細(xì)做好標(biāo)記。

研究人員Chiho Choi表示：“在我們最近的論文中，我們建議明確推理出道路上不同對(duì)象的長(zhǎng)期目標(biāo)以及短期目標(biāo)，以預(yù)測(cè)不同駕駛場(chǎng)景下其未來(lái)行進(jìn)軌跡。我們將長(zhǎng)期目標(biāo)定義為對(duì)象在給定預(yù)測(cè)范圍內(nèi)想要到達(dá)的最終位置，而意圖指代該對(duì)象如何實(shí)現(xiàn)其目標(biāo)。”

Choi及其同事認(rèn)為，為了高效預(yù)測(cè)交通對(duì)象的行進(jìn)軌跡，對(duì)于機(jī)器學(xué)習(xí)技術(shù)而言，考慮到短期和長(zhǎng)期目標(biāo)的復(fù)雜層次結(jié)構(gòu)是非常重要的。基于預(yù)測(cè)到的對(duì)象行動(dòng)情況，該模型可以高效地規(guī)劃?rùn)C(jī)器人或車輛的運(yùn)動(dòng)。

因此，研究人員著手研發(fā)一個(gè)架構(gòu)，能夠?qū)⒍唐诤烷L(zhǎng)期目標(biāo)作為逐幀意圖預(yù)測(cè)的關(guān)鍵組成部分。然后，此類考慮結(jié)果會(huì)影響到行跡預(yù)測(cè)模塊。

Choi解釋道：“想想車輛位于十字路口，而它想要實(shí)現(xiàn)向左轉(zhuǎn)的最終目標(biāo)。當(dāng)推理出道路對(duì)象的動(dòng)作意圖是左轉(zhuǎn)時(shí)，不僅要考慮到對(duì)象的動(dòng)態(tài)，還要考慮到其意圖如何根據(jù)下列因素而變化：i)對(duì)象自己的意愿、ii)社會(huì)互動(dòng)、iii)環(huán)境限制、iv)周圍情境線索?！?/p>

LOKI數(shù)據(jù)集包含數(shù)百?gòu)圧GB圖像，描繪了交通中不同對(duì)象的情況。每一張圖像都有相應(yīng)的激光雷達(dá)點(diǎn)云，而且為所有交通中的對(duì)象提供了詳細(xì)的逐幀標(biāo)簽。

該數(shù)據(jù)集具有三種獨(dú)特標(biāo)簽。第一種是意圖標(biāo)簽，表明參與者如何通過(guò)一系列動(dòng)作決定達(dá)到既定目標(biāo)；第二種是環(huán)境標(biāo)簽，提供影響交通對(duì)象意圖的環(huán)境信息（如道路出口/道路入口位置、交通信號(hào)燈、交通標(biāo)志、車道信息等）；第三種是情境標(biāo)簽，也可能會(huì)影響到交通對(duì)象的未來(lái)行為，如天氣相關(guān)信息、道路狀況、行人的性別和年齡等。

除了編制LOKI數(shù)據(jù)集，Choi及其同事還研發(fā)了一個(gè)模型，探索LOK數(shù)據(jù)集考慮的因素如何影響交通對(duì)象的未來(lái)行為。該模型能夠準(zhǔn)確地預(yù)測(cè)不同交通對(duì)象在道路上的意圖和行進(jìn)軌跡，特別是考慮到下列因素的影響i)對(duì)象自己的意愿、ii)社會(huì)互動(dòng)、iii)環(huán)境限制、iv)周圍情境信息對(duì)其短期行為和決策過(guò)程的影響。

研究人員在一系列測(cè)試中評(píng)估了該模型，并發(fā)現(xiàn)其準(zhǔn)確性比其他先進(jìn)的軌跡預(yù)測(cè)方法高出27%。未來(lái)，該模型可用于提升自動(dòng)駕駛汽車的安全性與性能。此外，其他研究小組也可以采用LOKI數(shù)據(jù)集以訓(xùn)練自己的模型，從而預(yù)測(cè)道路上行人和車輛的行進(jìn)軌跡。

返回第一電動(dòng)網(wǎng)首頁(yè) >