蓋世汽車訊 人類的決策過程本身就具有層級，這也意味著為實現(xiàn)短期和長期目標，會同時涉及到多個層次的推理以及不同的規(guī)劃策略。在過去十年間，越來越多的計算機科學家一直在研發(fā)能夠復制人類決策過程的計算工具和技術(shù)，讓機器人、自動駕駛汽車或者其他設備能夠更快、更高效地做出決策，這一點對于自動駕駛汽車等機器人系統(tǒng)而言尤其重要，因為其行為會直接影響到人類的安全。

LOKI數(shù)據(jù)集（圖片來源：本田）

據(jù)外媒報道，本田美國研究所（Honda Research Institute U.S.）、本田研發(fā)中心（Honda R&D）以及美國加州大學伯克利分校（UC Berkeley）最近編制了一個數(shù)據(jù)集LOKI，可用于訓練能夠預測路上行人和車輛行進軌跡的模型。該數(shù)據(jù)集包含從駕駛員角度拍攝到的街道上不同對象（如行人、自行車、汽車等）的圖像，而且圖像已經(jīng)被仔細做好標記。

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象的長期目標以及短期目標，以預測不同駕駛場景下其未來行進軌跡。我們將長期目標定義為對象在給定預測范圍內(nèi)想要到達的最終位置，而意圖指代該對象如何實現(xiàn)其目標。”

Choi及其同事認為，為了高效預測交通對象的行進軌跡，對于機器學習技術(shù)而言，考慮到短期和長期目標的復雜層次結(jié)構(gòu)是非常重要的?；陬A測到的對象行動情況，該模型可以高效地規(guī)劃機器人或車輛的運動。

因此，研究人員著手研發(fā)一個架構(gòu)，能夠?qū)⒍唐诤烷L期目標作為逐幀意圖預測的關鍵組成部分。然后，此類考慮結(jié)果會影響到行跡預測模塊。

Choi解釋道：“想想車輛位于十字路口，而它想要實現(xiàn)向左轉(zhuǎn)的最終目標。當推理出道路對象的動作意圖是左轉(zhuǎn)時，不僅要考慮到對象的動態(tài)，還要考慮到其意圖如何根據(jù)下列因素而變化：i)對象自己的意愿、ii)社會互動、iii)環(huán)境限制、iv)周圍情境線索。”

LOKI數(shù)據(jù)集包含數(shù)百張RGB圖像，描繪了交通中不同對象的情況。每一張圖像都有相應的激光雷達點云，而且為所有交通中的對象提供了詳細的逐幀標簽。

該數(shù)據(jù)集具有三種獨特標簽。第一種是意圖標簽，表明參與者如何通過一系列動作決定達到既定目標；第二種是環(huán)境標簽，提供影響交通對象意圖的環(huán)境信息（如道路出口/道路入口位置、交通信號燈、交通標志、車道信息等）；第三種是情境標簽，也可能會影響到交通對象的未來行為，如天氣相關信息、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)了一個模型，探索LOK數(shù)據(jù)集考慮的因素如何影響交通對象的未來行為。該模型能夠準確地預測不同交通對象在道路上的意圖和行進軌跡，特別是考慮到下列因素的影響i)對象自己的意愿、ii)社會互動、iii)環(huán)境限制、iv)周圍情境信息對其短期行為和決策過程的影響。

研究人員在一系列測試中評估了該模型，并發(fā)現(xiàn)其準確性比其他先進的軌跡預測方法高出27%。未來，該模型可用于提升自動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)集以訓練自己的模型，從而預測道路上行人和車輛的行進軌跡。

返回第一電動網(wǎng)首頁 >