您好,欢迎光临2020中国自动驾驶验证测试技术创新论坛!

优步开发AI技术 提高自动驾驶汽车运动轨迹预测准确率

发布日期:2020-04-20

自动驾驶测试验证技术创新论坛

2020-04-20 18:38:31

手机阅读


点击上方蓝色字体,关注我们



据外媒报道,优步高级技术小组(ATG)研究人员提出了一种AI技术,以改善自动驾驶车辆交通运动预测,并适用于优步正在开发的无人驾驶技术。据了解,优步的无人驾驶技术必需确保能够探测、追踪和预测周围车辆的轨迹,从而保证自动驾驶汽车在公共道路上安全行驶。



  众所周知,如果不能预测道路上其他驾驶员可能做出的决定,车辆就无法实现全自动驾驶。两年前,优步的一辆自动驾驶原型车在亚利桑那州坦佩撞死了一名行人,部分原因是该车没能发现并避开行人。ATG的研究使用生成式对抗网络(GAN)来预测汽车轨迹,据称可将预测精度提高一个数量级。


研究人员使用的生成式对抗网络称为SC-GAN (scene-compliant GAN),可根据现有场景中的限制条件创建轨迹,并获取场景(包括公路、人行道位置、车道方向、交通灯和标识)的高清地图,以及车载激光雷达、雷达和摄像头传感器的探测和追踪系统。GAN会输出附近车辆的参考框架,车辆原点位于中心,x轴和y轴分别由车辆的行驶方向和左侧定义。

  对于未来轨迹由GAN预测的车辆而言,其潜在的情境信息和地图限制条件融合成一个RGB图像,可以用称为矩阵的数学对象来表示。矩阵是排列成行和列的数字矩形阵列,通常以AI模型可以操作的格式表示概念。这些图像捕捉了车辆后方10米和两侧30米范围内的场景。


  在实验中,研究小组在谷歌TensorFlow机器学习框架中部署了该AI系统和一些基线,并获得了大规模的、真实世界的数据集(ATG4D),包括在各种交通状况下行驶240小时的数据。每辆车每0.1秒创建单个数据点,包括当前和过去0.4秒的所观测到的速度、加速度、行驶方向,以及780万个数据点的转向变化率,这些数据点与周围环境高清地图信息一起被分解为模型训练、测试和评估集。


  研究人员称,与基线相比,SC-GAN减少了50%的冲出道路误报,这是一种度量方法,用于测量车辆可行驶区域之外的预测轨迹点的百分比。此外,SC-GAN在运动预测方面超过了现有的**进的GAN架构,显著地减少了平均和最终预测错误。


  研究人员表示,即使是在相当有挑战性的边缘情况下,SC-GAN也能成功预测车辆的运动。例如,在一个场景中,一辆汽车在直行车道上驶近十字路口,即使其轨迹稍微向左倾斜,SC-GAN也能准确地预测到它将继续直行。在另一个场景中,SC-GAN正确地预测到车辆在进入十字路口后会右转。


  该项研究的合著者写道,“运动预测是自动驾驶技术的关键组成部分之一,建模了自动驾驶车辆附近被追踪的参与者的未来行为和不确定性。大量的定性和定量分析表明,在基于GAN的周围道路使用者的运动预测方面,该方法优于目前的技术水平,可以生成更准确、更真实的轨迹。”



相关文章

Nuro AI的自动驾驶载人豁免是无人驾驶交付的重要里程碑
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
Baidu Apollo 系统被愚弄“看到”不存在的障碍物
Waymo AI.在节省成本的同时提高了自动驾驶汽车的性能
优步Uber在旧金山恢复自动驾驶汽车测试



 

长按二维码识别关注



  • 电话咨询
  • 021-2230 6692
  • 15021948198
None