Прогнозирование поведения людей на дороге с помощью искусственного интеллекта
Новая система машинного обучения может помочь беспилотным автомобилям предсказывать в реальном времени дальнейшие действия водителей, пешеходов и велосипедистов.
Для безопасного движения беспилотного автомобиля в городской среде критически важно, чтобы его искусственный интеллект мог точно предугадывать намерения всех участников дорожного движения — от водителей соседних машин до пешеходов, переходящих улицу.
До сих пор существующие алгоритмы сталкивались с рядом ограничений: одни использовали слишком упрощенные модели (например, предполагая, что пешеход всегда движется по прямой), другие были излишне осторожны (что могло парализовать движение), а третьи могли анализировать только одного участника, хотя в реальности на дороге одновременно действуют десятки агентов.
Визуализация прогнозных ситуаций
Новый подход от MIT
Исследователи из Массачусетского технологического института предложили инновационное решение. Они разбили сложную задачу прогнозирования поведения множества агентов на более простые, взаимосвязанные подзадачи. Это позволило системе работать в реальном времени, не требуя огромных вычислительных ресурсов.
Алгоритм сначала анализирует взаимодействие между двумя участниками — определяет, кто из них имеет приоритет (например, право проезда), а кто должен уступить. Установив эти отношения, система строит прогнозы будущих траекторий движения для всех агентов в зоне видимости.
Превосходство в точности и эффективности
Тестирование на масштабном наборе данных от компании Waymo, лидера в области автономного вождения, показало, что новая модель MIT не только точнее предсказывает реальное поведение на дороге, но и превосходит по этому показателю недавно опубликованную собственную модель Waymo. При этом за счёт модульной архитектуры система потребляет значительно меньше памяти.
Визуализация прогнозных ситуаций
Как работает система M2I
Механизм прогнозирования состоит из двух ключевых компонентов. Первый, «маргинальный предиктор», строит траекторию для агента с приоритетом (того, кто проезжает первым), так как его поведение более независимо. Второй, «условный предиктор», прогнозирует действия уступающего участника, основываясь уже на траектории первого.
Обратите внимание: Пополнить бюджет города по дороге в Пулково.
Система рассматривает множество возможных сценариев, вычисляет вероятность каждого из них и выбирает шесть наиболее вероятных комбинированных исходов.M2I способна строить прогноз на 8 секунд вперёд. В ходе испытаний модель заставляла виртуальный автомобиль замедляться, пропуская пешехода, а затем ускоряться, или выжидать безопасный промежуток для выезда на оживлённую магистраль.
Перспективы технологии
Хотя текущая версия фокусируется на парных взаимодействиях, архитектура системы позволяет масштабировать анализ на любое количество участников, комбинируя несколько предикторов. Для оценки точности сравнивались шесть наиболее вероятных прогнозов с реальными траекториями движения, и метод MIT показал наилучший результат.
Источник тут
#ИИ #искусственный интелект #пдд
========================================
Сайт "Tech and Logos". Новости, история сферы технологий!
Пара минут Вашего времени в разделе не пройдут даром!
Загляните в раздел в Телеграм "Tech and Logos".
Больше интересных статей здесь: ПДД.
Источник статьи: Прогнозирование поведения людей на дороге с помощью искусственного интеллекта.