您好,欢迎来到中国自动驾驶高精地图产业创新发展论坛2019!

Uber声称其AI使无人驾驶汽车能够高精度预测交通流量

发布日期:2020-04-26

GRCChdmap


2020-04-26 17:05:39



手机阅读



点击上方蓝色字体,关注我们




(* 图片来源:Uber )


在本周于预印本服务器Arxiv.org上发表的一篇论文中,优步(Uber)先进技术小组(ATG)的研究人员提出了一种AI技术,以改善自动驾驶汽车的交通运动预测。它直接适用于Uber自身正在开发的无人驾驶技术,该技术必须能够检测,跟踪和预测周围汽车的轨迹,以便安全地在公共道路上行驶。


很好理解的是,如果无法预测道路上其他驾驶员可能做出的决定,则车辆将无法完全自动驾驶。在一个悲剧性的案例中,两年前,Uber自动驾驶原型机在亚利桑那州坦佩市撞死一名行人,部分原因是该车辆未能发现并避开受害者。然后,ATG的研究是新颖的,因为它采用了生成对抗网络(GAN)来进行汽车轨迹的预测,而不是使用不太复杂的体系结构。。


合著者的GAN –由“符合场景的GAN”命名为SC-GAN -可以创建遵循场景内现有约束的轨迹,并可以访问场景的高清地图(包括道路,人行横道位置,车道方向,交通信号灯和标牌)以及由激光雷达,雷达和摄像头传感器通知的检测和跟踪系统。GAN输出附近汽车的参考系,其原点位于中心位置,x和y轴分别由汽车的标题和左侧定义。


对于GAN预测其潜在未来轨迹的每辆汽车,场景上下文信息和地图约束都捆绑到RGB图像中,该图像可以由称为矩阵的数学对象表示。(矩阵是排列成行和列的数字的矩形阵列,它们通常用于表示AI模型可以操作的格式的概念。)图像捕获在汽车后方10米处,而在汽车的两侧各30米,以及落后十米


在实验中,该团队在Google的TensorFlow机器学习框架中实施了拟议的AI系统和多个基准,并获得了大规模的真实世界数据集(ATG4D),其中包括在各种路况下(例如,变化的美国多个城市的一天中的时间和一周中的几天)。每辆汽车每0.1秒创建一个数据点,该数据点由当前和过去0.4秒的观测速度,加速度,航向和转弯速率组成,总共780万个数据点与周围的高清地图信息一起拆分纳入模型训练,测试和评估集。


研究人员报告说,SC-GAN将越野假阳性率降低了50%,这是一种度量越野假阳性率的指标,该指标衡量的是越野车或每辆车可驾驶区域之外的预测轨迹点的百分比。此外,它优于现有的**运动预测GAN架构,“显着”减少了平均和最终预测错误数。


定性地,研究人员说,即使在相当具有挑战性的极端情况下,SC-GAN仍能成功预测汽车的运动。例如,在一个场景中,汽车正朝着仅直行车道的交叉路口行驶,SC-GAN正确地预测,即使汽车的行进方向稍微向左倾斜,它也将继续直行。在另一个场景中,SC-GAN正确地预计到汽车在转弯车道上接近交叉路口后会右转。


这项研究的共同作者写道:“运动预测是自动驾驶技术的关键组成部分之一,它可以为自动驾驶汽车附近的被跟踪参与者的未来行为和不确定性建模。” “广泛的定性和定量分析表明,该方法优于当前基于GAN的周围演员运动预测的**技术,可产生更准确和逼真的轨迹。”




相关文章

中国之路:利用自动驾驶、AI、定位和高精地图等技术对抗Covid-19
探地雷达(GPR)传感器将对AI自动驾驶汽车有用,但不太可能发挥作用
问答:使用Edge AI解决联网汽车难题










SELECTED EVENTS








 

长按二维码识别关注






  • 电话咨询
  • 021-22306692
  • 15021948198
None