Uber聲稱其AI使無人駕駛汽車能夠高精度預測交通流量

在本周于預印本服務器Arxiv.org上發(fā)表的一篇論文中，優(yōu)步(Uber)的先進技術集團(ATG)的研究人員提出了一種AI技術，以改善自動駕駛汽車的交通運動預測。它直接適用于Uber自身正在開發(fā)的無人駕駛技術，該技術必須能夠檢測，跟蹤和預測周圍汽車的軌跡，以便安全地在公共道路上行駛。

眾所周知，如果沒有能力預測道路上其他駕駛員可能做出的決定，車輛將無法完全自動駕駛。在一個悲劇性的案例中，兩年前，Uber自動駕駛原型機在亞利桑那州坦佩市撞死一名行人，部分原因是該車輛未能發(fā)現(xiàn)并避開受害者。ATG的研究是新穎的，因為它采用了生成對抗網(wǎng)絡(GAN)來進行汽車軌跡的預測，而不是使用不太復雜的體系結構。該研究有望通過將預測的精度提高一個數(shù)量級來提高技術水平。 。

合著者的GAN –源自“符合場景的GAN”，稱為SC-GAN -可以創(chuàng)建遵循場景內現(xiàn)有約束的軌跡，并可以訪問場景的高清地圖(包括道路，人行橫道位置，車道方向，交通信號燈和標牌)以及由激光雷達，雷達和攝像頭傳感器通知的檢測和跟蹤系統(tǒng)。GAN輸出附近汽車的參考系，原點位于中心位置，x和y軸分別由汽車的方向和左側定義。

對于GAN預測其潛在未來軌跡的每輛汽車，場景上下文信息和地圖約束都捆綁到RGB圖像中，該圖像可以由稱為矩陣的數(shù)學對象表示。(矩陣是按行和列排列的數(shù)字的矩形陣列，它們通常用于表示AI模型可以操作的格式的概念。)圖像捕獲在汽車后方10米處，而在其兩側則分別高30米，以及落后十米

在實驗中，該團隊在Google的TensorFlow機器學習框架中實施了擬議的AI系統(tǒng)和多個基準，并獲得了大規(guī)模的真實世界數(shù)據(jù)集(ATG4D)，其中包括在各種路況下(例如，變化的多個城市的一天中的時間和一周中的幾天)。每輛汽車每0.1秒創(chuàng)建一個數(shù)據(jù)點，該數(shù)據(jù)點由當前和過去0.4秒的觀測速度，加速度，航向和轉彎速率組成，總共780萬個數(shù)據(jù)點與周圍的高清地圖信息一起拆分納入模型訓練，測試和評估集。