研究人員結(jié)合專(zhuān)業(yè)知識(shí)創(chuàng)建出RealMotion——一種新穎的訓(xùn)練系統(tǒng)，可將歷史和實(shí)時(shí)場(chǎng)景數(shù)據(jù)與背景和基于時(shí)間的信息無(wú)縫集成，為更高效、更可靠的自動(dòng)駕駛汽車(chē)技術(shù)鋪平道路。相關(guān)研究論文發(fā)表在arXiv預(yù)印本服務(wù)器上。

　　薩里大學(xué)視覺(jué)、語(yǔ)音和信號(hào)處理中心及以人為本人工智能研究所高級(jí)講師、這項(xiàng)研究的合著者Xiatian Zhu博士表示：“無(wú)人駕駛汽車(chē)不再是一個(gè)未來(lái)的夢(mèng)想。機(jī)器人出租車(chē)已經(jīng)在美國(guó)和中國(guó)的部分地區(qū)投入運(yùn)營(yíng)，自動(dòng)駕駛汽車(chē)預(yù)計(jì)最早明年就會(huì)在英國(guó)的道路上行駛。然而，每個(gè)人心中真正的問(wèn)題是：它們有多安全?雖然人工智能的運(yùn)作方式與人類(lèi)駕駛員不同，但仍有挑戰(zhàn)需要克服。這就是我們開(kāi)發(fā)RealMotion的原因——不僅為算法配備實(shí)時(shí)數(shù)據(jù)，還使其能夠整合時(shí)空的歷史背景，從而做出更準(zhǔn)確、更可靠的決策，實(shí)現(xiàn)更安全的自主導(dǎo)航?！?/p>

　　現(xiàn)有的運(yùn)動(dòng)預(yù)測(cè)方法通常獨(dú)立處理每個(gè)駕駛場(chǎng)景，忽略了連續(xù)駕駛場(chǎng)景中過(guò)去和現(xiàn)在環(huán)境的相互關(guān)聯(lián)性。這種限制阻礙了準(zhǔn)確預(yù)測(cè)周?chē)?chē)輛、行人和其他代理在不斷變化的環(huán)境中的行為的能力。

　　相比之下，RealMotion可以更清楚地了解不同的駕駛場(chǎng)景。整合過(guò)去和現(xiàn)在的數(shù)據(jù)可以增強(qiáng)對(duì)未來(lái)運(yùn)動(dòng)的預(yù)測(cè)，解決預(yù)測(cè)多個(gè)代理運(yùn)動(dòng)的固有復(fù)雜性。

　　使用自動(dòng)駕駛研究領(lǐng)域的領(lǐng)先基準(zhǔn)Argoverse數(shù)據(jù)集進(jìn)行的大量實(shí)驗(yàn)凸顯了RealMotion的準(zhǔn)確性和性能。與其他AI模型相比，該框架在最終位移誤差(FDE)(即預(yù)測(cè)的最終目的地與真實(shí)的最終目的地之間的距離)方面實(shí)現(xiàn)了8.60%的改善。它還展示了計(jì)算延遲的顯著減少，使其非常適合實(shí)時(shí)應(yīng)用。

　　薩里以人為本的人工智能研究所所長(zhǎng)Adrian Hilton教授表示：“隨著自動(dòng)駕駛汽車(chē)即將在英國(guó)上路，確保人們的安全至關(guān)重要。朱Zhu博士及其團(tuán)隊(duì)開(kāi)發(fā)的RealMotion為現(xiàn)有方法提供了重大進(jìn)展。通過(guò)讓自動(dòng)駕駛汽車(chē)實(shí)時(shí)感知周?chē)h(huán)境，并利用歷史背景做出明智的決策，RealMotion為我們的道路更安全、更智能的導(dǎo)航鋪平了道路。”

　　雖然研究人員遇到了一些限制，但該團(tuán)隊(duì)計(jì)劃繼續(xù)研究，以進(jìn)一步提高RealMotion的能力并克服各項(xiàng)挑戰(zhàn)。該框架有可能在塑造下一代自動(dòng)駕駛汽車(chē)方面發(fā)揮關(guān)鍵作用，確保未來(lái)導(dǎo)航系統(tǒng)更安全、更智能。