研究人员开发新系统 用人工智能预测他人在路上的行为

2022年05月09日 14:23 次阅读 稿源:cnBeta.COM 条评论

根据一项新研究,一种新的机器学习系统有朝一日可能会帮助无人驾驶汽车实时预测附近司机、行人和骑自行车者的下一步行动。

访问:

阿里云服务器精选特惠:1核1G云服务器低至0.9元/月

Machine-Learning-Predicting-Road-Behavior-768x512.webp

人类可能是完全自主的车辆在城市街道上运行的最大障碍之一。如果机器人要引导车辆安全地通过波士顿市中心,它必须能够预测附近的司机、行人和骑自行车的人接下来会做什么。

然而,行为预测是一个艰难的问题,目前的人工智能解决方案要么过于简单(他们可能假设行人总是走在一条直线上),要么过于保守(为了避开行人,机器人只是把车留在停车场),要么只能预测一个道路使用者的下一步行动(道路通常同时承载许多用户)。

麻省理工学院(MIT)的研究人员为这个复杂的挑战设计了一个看似简单的解决方案。他们将多个道路使用者的行为预测问题分成小块,并单独解决每个问题,因此计算机可以实时解决这一复杂的任务。

他们的行为预测框架首先猜测两个道路使用者之间的关系--哪辆汽车、骑自行车的人或行人拥有通行权,哪个道路使用者会让路--并利用这些关系来预测多个道路使用者的未来轨迹。

与自动驾驶公司Waymo编制的巨大数据集中的真实交通流相比,这些估计的轨迹比其他机器学习模型的轨迹更准确。麻省理工学院的技术甚至超过了Waymo最近发布的模型。而且,由于研究人员将问题分解成更简单的部分,他们的技术使用的内存更少。

“这是一个非常直观的想法,但之前没有人充分探索过,而且效果相当好。简单性绝对是一个优点。我们正在将我们的模型与该领域的其他最先进的模型进行比较,包括该领域的领先公司Waymo的模型,我们的模型在这个具有挑战性的基准上取得了顶级的性能。这在未来有很大的潜力,”研究共同牵头人黄昕(音译)说,他是航空和航天系的研究生,也是航空和航天系教授、计算机科学和人工智能实验室(CSAIL)成员Brian Williams实验室的研究助理。

与黄昕和 Williams一起撰写论文的还有来自中国清华大学的三位研究人员:共同第一作者孙桥、顾俊如和资深作者赵行。该研究将在计算机视觉和模式识别会议上发表。

Machine-Learning-Driving-Simulation-768x432.gif

多个小模型

研究人员的机器学习方法被称为M2I,它需要两个输入:在交通环境(如四通八达的十字路口)中互动的汽车、自行车和行人的过去轨迹,以及一张包含街道位置、车道配置等的地图。

利用这些信息,一个关系预测器推断出两个道路使用者中哪一个先拥有路权,将一个人归类为通行者,一个人归类为让路者。然后,一个被称为边际预测器的预测模型猜测过路者的轨迹,因为这个代理人的行为是独立的。

第二个预测模型,被称为条件预测器,然后根据经过的代理人的行为,猜测屈服的代理人会做什么。该系统预测出让者和传递者的一些不同轨迹,单独计算每个轨迹的概率,然后选择发生可能性最大的六个联合结果。

M2I输出一个预测,即这些道路使用者在未来8秒内将如何在交通中移动。在一个例子中,他们的方法使一辆车减速,以便行人能够过马路,然后在他们清除了交叉路口后加速。在另一个例子中,车辆在从一条小街转入一条繁忙的主干道之前,一直等待几辆车通过。

虽然这项初步研究的重点是两个道路使用者之间的互动,但M2I可以推断出许多道路使用者之间的关系,然后通过连接多个边际和条件预测器来猜测他们的轨迹。

真实世界的驾驶测试

研究人员使用Waymo开放运动数据集训练模型,该数据集包含数百万个真实的交通场景,涉及车辆、行人和骑自行车的人,由安装在该公司自主车辆上的激光雷达(光探测和测距)传感器和摄像头记录。他们特别关注有多个代理人的情况。

为了确定准确性,他们将每种方法的六个预测样本(按其置信度加权)与一个场景中的汽车、自行车和行人的实际轨迹进行了比较。他们的方法是最准确的。它在被称为重叠率的指标上也优于基线模型;如果两条轨迹重叠,就表明有碰撞。M2I的重叠率最低。

“我们没有仅仅建立一个更复杂的模型来解决这个问题,而是采取了一种更像人类在推理与他人互动时的思维方式。人类不会对所有数百种未来行为的组合进行推理。我们做出决定的速度相当快,”黄昕说。

M2I的另一个优点是,由于它将问题分解成更小的部分,用户更容易理解模型的决策。黄昕说,从长远来看,这可能有助于用户对自动驾驶汽车给予更多信任。

但是,该框架无法解释两个代理人相互影响的情况,例如,当两辆汽车在一个四向停靠点上各自向前移动,因为司机不确定谁应该让路。

他们计划在未来的工作中解决这一限制。他们还想用他们的方法来模拟道路使用者之间的现实互动,这可以用来验证自动驾驶汽车的规划算法,或者创建大量的合成驾驶数据来提高模型性能。

“预测多个相互作用的道路使用者的未来轨迹,对于在复杂场景中实现完全自动驾驶来说,探索不足且极具挑战性。M2I提供了一个非常有前途的预测方法,它的关系预测器可以区分被预测为边缘或有条件的代理,这大大简化了问题。”加利福尼亚大学伯克利分校机械工程系杰出教授Masayoshi Tomizuka和助理专业研究员Wei Zhan在一封电子邮件中写道。“预测模型可以捕捉到道路使用者的内在关系和相互作用,以达到最先进的性能。”两人没有参与这项研究。

对文章打分

研究人员开发新系统 用人工智能预测他人在路上的行为

1 (50%)
已有 条意见

    最新资讯

    加载中...

    今日最热

    加载中...

    热门评论

      Top 10

      招聘


      Advertisment ad adsense googles cpro.baidu.com
      created by ceallan