自动驾驶汽车的新人工智能可以预测行人运动
- 工程师为自动驾驶汽车开发神经网络，以检测人员并预测他们的下一步动作。
- 它可以同时准确预测距离车辆最远 45 米的多个行人的姿势和下一个位置。
大多数自动驾驶汽车使用各种摄像头、激光雷达和 GPS 生成并维护其周围环境的内部地图。然后，算法会处理这些输入，绘制路径，并将指令发送到控制转向、加速和制动的车辆执行器。
其他参数，如预测建模、硬编码规则、避障和物体识别算法，可帮助软件在遵守交通规则的同时进行导航。这方面的大部分工作都只看静止图像，没有考虑到行人在三维空间中的移动方式。
为了解决这个问题，密歇根大学的研究人员开发了一种人工智能，与现有技术相比，它可以检测人员并预测他们的下一步动作，精度更高。它可以同时预测距离车辆最远 45 米的多个行人的姿势和下一个位置。
受生物力学启发的循环神经网络
到目前为止，自主技术使用的机器学习方法已经处理了数百万张二维图片。它们能够在现实世界中实时识别停车标志。
另一方面，新的机器学习技术利用几秒钟的视频剪辑来识别运动并准确预测下一步行人的去向。
参考：arXiv:1809.03705 |密歇根大学
该系统会观察行人的姿势，无论他们是向左看还是向右看，还是在玩手机。这些类型的信息说明了他们下一步最有可能做什么。
该神经网络基于长短时记忆网络，其灵感来自于人体步态的生物力学，例如人体的镜像/双侧对称和人体行走的周期性。
它有多准确？
神经网络的结果令人印象深刻：1 秒后的中位翻译误差约为 10 厘米，6 秒后小于 80 厘米。而其他类似的技术则高达 700 厘米。
为了使网络更高效，该团队设置了一些适用于人体的物理约束——例如最快的步行/跑步速度或无法飞行——这样系统就不必计算每一个可能的下一个动作。
他们使用了两个带有 CUDA 深度学习框架的 NVIDIA TITAN X GPU，在 PedX 数据集上训练神经网络，其中包括密歇根州的真实路口。
它是在 Python 3.6 中实现的，在每一帧中预测每个人的下一步大约需要 1 毫秒。研究人员表示，可以进一步优化代码以获得更好的结果。
阅读：新的自动驾驶汽车算法可以积极地改变车道
人工智能可以提高无人驾驶汽车的能力。也有利于双足机器人的步态研究，可应用于临床步态康复系统的开发。
工业技术