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 )


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 。