优步研发预测行人行为技术 更好地规划路径防碰撞

据外媒报道，未来几年，自动驾驶汽车将逐渐成为一种受欢迎的交通工具。然而，在此之前，研究人员需要开发工具，以确保此类车辆在人口稠密的环境中安全高效。

由于自动驾驶汽车需要能够绕过静止和移动的障碍物，因此它们应该具有快速检测和避开物体的能力。实现这一目标的一种方法是开发能够预测街道上物体或人未来行为的模型，以便在车辆靠近时估计物体或人的位置。然而，预测城市环境的未来变化是非常具有挑战性的，尤其是在预测人类行为时，例如行人行为或意外行为。去年，优步自动驾驶汽车在亚利桑那州撞死了一名49岁的妇女Elaine Herzberg。这起事故和其他数十起事故引发了人们对自动驾驶汽车安全性的大量讨论，以及这种汽车是否应该在人口稠密的环境中进行测试。近日，美国国家运输安全委员会发布了一份新文件，称去年发生致命事故的优步自动驾驶汽车不承认赫兹伯格是行人。报告还显示，事故中的自动驾驶汽车从未接受过检测人行横道外行人的培训。事故发生时，赫茨伯格正在鲁莽地过马路。美国国家运输安全委员会的报告指出，优步的软件存在缺陷，赫兹伯格没有被发现，最终导致了他的死亡。美国国家运输安全委员会发布的最新分析报告可能会让优步暂停自动驾驶汽车项目。事故发生后，该项目暂停了几个月，自动驾驶汽车测试于2018年12月再次开始。

这些新发现进一步表明，在自动驾驶汽车能够在真实道路上进行测试之前，需要开发更先进的人工智能和更可靠的软件。有趣的是，在美国国家运输安全委员会发布上述文件的几天前，优步自动驾驶团队高级技术小组、多伦多大学和加州大学伯克利分校的研究人员提前发表了一篇论文，介绍了一种可以预测行人行为的新技术，称为离散残差流网络。研究人员表示，这种神经网络可以预测行人未来的行为，同时在预测远距离行动时捕捉到固有的不确定性。研究人员认为，代表空间的分类分布可以预测行人未来的位置，然后利用这种分布来规划和优化自动驾驶汽车的路径，同时考虑行人的预期位置。

首先，研究人员在论文中介绍，DTF-NET网络将道路地图图像网格化，即将其转换为由离散像素组成的图像，并将行人行为编码为鸟瞰图的网格图像，该网格图像对应于详细的语义图。随后，该网络从光栅图像中提取对预测行人行为特别有用的特征。最后，研究人员训练模型，根据这些特征预测行人未来在道路上的行为。这项研究使用了之前编译的大型数据集来训练和评估神经网络，其中包含从北美几个城市收集的真实世界记录，以及对象注释和在线检测轨迹。这种类型的记录包括研究人员在360度、120米视场内使用机载激光雷达传感器手动注释的行人轨迹。在研究人员进行的评估中，DTF-NET技术表现良好，在预测行人行为方面优于其他基线方法。因此，这种方法可能有助于提高优步自动驾驶汽车的性能，使其能够预测行人的行动并相应地规划路径。有趣的是，DTF-NET网络处理和预测的行人行为包括“不过街”、“过马路”、“过街”和人行横道。这似乎很讽刺，因为美国国家运输安全委员会最近发布的文件指出，优步自动驾驶汽车在亚利桑那州坠毁时，它无法检测到过马路的行人。

标签：发现

汽车资讯热门资讯