據(jù)外媒報(bào)道，優(yōu)步研究人員在一篇論文中介紹了MultiNet系統(tǒng)，該系統(tǒng)可以根據(jù)自動(dòng)駕駛汽車的激光雷達(dá)數(shù)據(jù)檢測并預(yù)測障礙物的運(yùn)動(dòng)。研究人員稱，與現(xiàn)有模型不同，MultiNet利用模型對車輛、行人和騎行者的行為和運(yùn)動(dòng)的不確定性進(jìn)行分析，該模型對監(jiān)測和預(yù)測進(jìn)行推斷，然后加以改進(jìn)，從而生成可能的軌跡。
預(yù)測障礙物的未來狀態(tài)是一項(xiàng)具有挑戰(zhàn)性的任務(wù)，但卻是防止道路事故的關(guān)鍵。自動(dòng)駕駛汽車感知系統(tǒng)必須捕捉其他道路使用者的一系列可能軌跡，而不是單一軌跡。例如，迎面駛近十字路口的車輛可能會(huì)繼續(xù)直行或在自動(dòng)駕駛車輛前面轉(zhuǎn)向。為了確保安全，自動(dòng)駕駛汽車需要對這些可能性進(jìn)行推理，并相應(yīng)地調(diào)整行為。
MultiNet接收激光雷達(dá)傳感器數(shù)據(jù)和街道高清地圖，同時(shí)學(xué)習(xí)障礙物軌跡和軌跡的不確定性。對于車輛(但不包括行人或騎行者)，MultiNet會(huì)擯棄第一階段的軌跡預(yù)測，提取物體的推斷中心和航向，然后對其進(jìn)行歸一化，并利用算法，從而預(yù)測最終的未來軌跡和不確定性。
為了測試MultiNet的性能，研究人員基于ATG4D對系統(tǒng)進(jìn)行了一天的訓(xùn)練。ATG4D是一組數(shù)據(jù)集，包含優(yōu)步自動(dòng)駕駛汽車在北美多個(gè)城市收集的5500個(gè)場景的激光雷達(dá)傳感器讀數(shù)。他們報(bào)告說，在車輛、行人和騎行者這三類障礙的預(yù)測準(zhǔn)確率方面，MultiNet明顯超過了幾個(gè)普通系統(tǒng)。具體而言，建模不確定性使準(zhǔn)確率提高了9%到13%，并且支持對未來交通出行的固有噪聲進(jìn)行推理。
研究人員指出，“在一個(gè)場景中，道路使用者接近十字路口時(shí)右轉(zhuǎn)，普通系統(tǒng)錯(cuò)誤地預(yù)測其將繼續(xù)徑直穿過十字路口，而MultiNet準(zhǔn)確地預(yù)測到其會(huì)轉(zhuǎn)彎，同時(shí)也預(yù)測到其直線行駛的可能性。我們看到，MultiNet預(yù)測到了兩種可能性，包括在具有很大的不確定性的情況下，根據(jù)十字路口不尋常的形狀，預(yù)測出轉(zhuǎn)向軌跡。”
