蓋世汽車訊 人類的決策過程本身就具有層級，這也意味著為實現短期和長期目標，會同時涉及到多個層次的推理以及不同的規劃策略。在過去十年間，越來越多的計算機科學家一直在研發能夠復制人類決策過程的計算工具和技術，讓機器人、自動駕駛汽車或者其他設備能夠更快、更高效地做出決策，這一點對于自動駕駛汽車等機器人系統而言尤其重要，因為其行為會直接影響到人類的安全。

LOKI數據集（圖片來源：本田）

據外媒報道，本田美國研究所（Honda Research Institute U.S.）、本田研發中心（Honda R&D）以及美國加州大學伯克利分校（UC Berkeley）最近編制了一個數據集LOKI，可用于訓練能夠預測路上行人和車輛行進軌跡的模型。該數據集包含從駕駛員角度拍攝到的街道上不同對象（如行人、自行車、汽車等）的圖像，而且圖像已經被仔細做好標記。

研究人員Chiho Choi表示：“在我們最近的論文中，我們建議明確推理出道路上不同對象的長期目標以及短期目標，以預測不同駕駛場景下其未來行進軌跡。我們將長期目標定義為對象在給定預測范圍內想要到達的最終位置，而意圖指代該對象如何實現其目標。”

Choi及其同事認為，為了高效預測交通對象的行進軌跡，對于機器學習技術而言，考慮到短期和長期目標的復雜層次結構是非常重要的。基于預測到的對象行動情況，該模型可以高效地規劃機器人或車輛的運動。

因此，研究人員著手研發一個架構，能夠將短期和長期目標作為逐幀意圖預測的關鍵組成部分。然后，此類考慮結果會影響到行跡預測模塊。

Choi解釋道：“想想車輛位于十字路口，而它想要實現向左轉的最終目標。當推理出道路對象的動作意圖是左轉時，不僅要考慮到對象的動態，還要考慮到其意圖如何根據下列因素而變化：i)對象自己的意愿、ii)社會互動、iii)環境限制、iv)周圍情境線索。”

LOKI數據集包含數百張RGB圖像，描繪了交通中不同對象的情況。每一張圖像都有相應的激光雷達點云，而且為所有交通中的對象提供了詳細的逐幀標簽。

該數據集具有三種獨特標簽。第一種是意圖標簽，表明參與者如何通過一系列動作決定達到既定目標；第二種是環境標簽，提供影響交通對象意圖的環境信息（如道路出口/道路入口位置、交通信號燈、交通標志、車道信息等）；第三種是情境標簽，也可能會影響到交通對象的未來行為，如天氣相關信息、道路狀況、行人的性別和年齡等。

除了編制LOKI數據集，Choi及其同事還研發了一個模型，探索LOK數據集考慮的因素如何影響交通對象的未來行為。該模型能夠準確地預測不同交通對象在道路上的意圖和行進軌跡，特別是考慮到下列因素的影響i)對象自己的意愿、ii)社會互動、iii)環境限制、iv)周圍情境信息對其短期行為和決策過程的影響。

研究人員在一系列測試中評估了該模型，并發現其準確性比其他先進的軌跡預測方法高出27%。未來，該模型可用于提升自動駕駛汽車的安全性與性能。此外，其他研究小組也可以采用LOKI數據集以訓練自己的模型，從而預測道路上行人和車輛的行進軌跡。

返回第一電動網首頁 >