AI|研究人员开发新系统用人工智能预测他人在路上的行为( 二 ) 研究人员开发新系统|用人工智

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。

AI|研究人员开发新系统 用人工智能预测他人在路上的行为( 二 )

AI|研究人员开发新系统用人工智能预测他人在路上的行为( 二 )