优步的自动驾驶人工智能预测行人、车辆和骑自行车的人的轨迹

在一篇预印论文中，优步的研究人员描述了Multinet，这是一种根据自动车辆激光雷达数据检测和预测障碍物运动的系统。他们说，与现有的模型不同，Multinet使用一种模型来推理汽车、行人和骑自行车的人的行为和运动的不确定性，该模型可以推断检测和预测，然后对其进行改进，以生成潜在的轨迹。

预测障碍物的未来状态是一项具有挑战性的任务，但这是防止道路上发生事故的关键。在自动驾驶汽车的背景下，感知系统必须捕捉其他参与者可能采取的一系列轨迹，而不是单一的可能轨迹。例如，接近十字路口的对面车辆可能会继续直行或在自动驾驶车辆前面转弯；为了确保安全，自动驾驶车辆需要对这些可能性进行推理，并相应地调整其行为。

Multinet以激光雷达传感器数据和高清晰度街道地图作为输入，联合学习障碍物轨迹和轨迹不确定性。对于车辆(但不是行人或骑自行车的人)，它然后通过丢弃第一阶段的轨迹预测，在对对象和对象的标题进行归一化并将其馈送到算法以做出最终的未来轨迹和不确定性预测之前，获取推断的对象和对象标题的中心，从而对这些预测进行细化。

为了测试Multinet的性能，研究人员在ATG4D上对该系统进行了一天的培训，ATG4D是一个数据集，包含优步自动驾驶车辆使用车顶激光雷达传感器在北美各城市收集的5500个场景的传感器读数。他们报告说，就预测精度而言，Multinet在所有三种障碍类型(车辆、行人和骑自行车的人)上的表现都明显超过了几条基线。具体地说，建模不确定性导致9%到13%的改进，并允许对未来交通运动的固有噪声进行推理。

VB Transform 2020 Online-7月15-17日。加入领先的人工智能高管：注册免费直播。

“(在一种情况下)接近十字路口的演员向右转，那里(基线系统)错误地预测他们将继续笔直通过十字路口。另一方面，Multinet预测了一个非常准确的转弯轨迹，而且非常确定，同时也考虑到了直行行为的可能性，“研究人员指出。“(另一位)演员在没有保护的情况下向自动驾驶车辆左转，IntentNet错误地预测了这一点。相反，我们看到Multinet产生了两种可能的模式，包括由于交叉口形状不同寻常而具有很大不确定性的转弯轨迹。“