蓋世汽車訊 人類可能是全自動(dòng)駕駛汽車進(jìn)入城市街道的最大障礙之一。機(jī)器人必須能夠預(yù)測(cè)附近駕駛員、騎自行車的人和行人的行為，才能在波士頓市中心安全地駕駛車輛。然而行為預(yù)測(cè)問(wèn)題很難解決，當(dāng)前的人工智能解決方案要么過(guò)于簡(jiǎn)單（可能假設(shè)行人總是走直線），要么過(guò)于保守（為了避開(kāi)行人，機(jī)器人只是把車停在公園里），或者只能預(yù)測(cè)一個(gè)代理的下一步動(dòng)作（道路通常同時(shí)承載許多用戶。）

據(jù)外媒報(bào)道，麻省理工學(xué)院（MIT）的研究人員設(shè)計(jì)出一種看似簡(jiǎn)單的解決方案，通過(guò)將多智能體行為預(yù)測(cè)問(wèn)題分解成更小的部分并單獨(dú)處理每個(gè)部分，使得計(jì)算機(jī)可以實(shí)時(shí)解決這一復(fù)雜任務(wù)。

圖片來(lái)源：arxiv

研究人員的行為預(yù)測(cè)框架首先會(huì)猜測(cè)兩個(gè)道路使用者之間的關(guān)系，哪輛車、騎自行車的人或行人擁有通行權(quán)，以及哪個(gè)代理會(huì)讓路，并使用這些關(guān)系來(lái)預(yù)測(cè)多個(gè)代理的未來(lái)軌跡。

研究的共同主要作者Xin "Cyrus" Huang表示：“將我們的模型與該領(lǐng)域的其他最先進(jìn)模型比較，如Waymo的模型，我們的模型在這個(gè)具有挑戰(zhàn)性的基準(zhǔn)測(cè)試中取得了最佳性能。”

多個(gè)小模型

研究人員將該機(jī)器學(xué)習(xí)方法稱為M2I，需要兩個(gè)輸入：汽車、騎自行車的人和行人在交通環(huán)境（例如十字路口）中交互的過(guò)去軌跡，以及帶有街道位置、車道配置等的地圖。

使用此信息，關(guān)系預(yù)測(cè)器可推斷出兩個(gè)代理中哪一個(gè)首先擁有通行權(quán)，并將一個(gè)分類為通過(guò)者，一個(gè)分類為讓行者。然后一個(gè)預(yù)測(cè)模型（邊際預(yù)測(cè)器）猜測(cè)通過(guò)代理（獨(dú)立運(yùn)行）的軌跡。

第二個(gè)預(yù)測(cè)模型，稱為條件預(yù)測(cè)器，會(huì)根據(jù)通過(guò)代理的動(dòng)作猜測(cè)讓行代理的動(dòng)作。該系統(tǒng)為讓行者和通過(guò)者預(yù)測(cè)許多不同的軌跡，分別計(jì)算每個(gè)軌跡的概率，然后選擇發(fā)生可能性最高的六個(gè)聯(lián)合結(jié)果。

M2I輸出預(yù)測(cè)這些代理將如何在接下來(lái)的8秒內(nèi)通過(guò)路口。在一個(gè)示例中，研究方法使車輛減速，以便行人可以過(guò)馬路，然后在行人通過(guò)交叉路口時(shí)再加速。在另一個(gè)示例中，車輛等到幾輛汽車通過(guò)后才從一條小街轉(zhuǎn)向繁忙的主干道。

雖然這項(xiàng)初步研究側(cè)重于兩個(gè)代理之間的交互，但M2I可以推斷許多代理之間的關(guān)系，然后通過(guò)連接多個(gè)邊際和條件預(yù)測(cè)變量來(lái)猜測(cè)它們的軌跡。

真實(shí)世界的駕駛測(cè)試

研究人員使用Waymo Open Motion數(shù)據(jù)集訓(xùn)練模型，該數(shù)據(jù)集包含由安裝在公司自動(dòng)駕駛汽車上的激光雷達(dá)（光檢測(cè)和測(cè)距）傳感器和攝像頭記錄的數(shù)百萬(wàn)個(gè)涉及車輛、行人和騎自行車者的真實(shí)交通場(chǎng)景。研究人員特別關(guān)注具有多個(gè)代理的案例。

為了確定準(zhǔn)確性，研究人員將每種方法的六個(gè)預(yù)測(cè)樣本（按置信度加權(quán)）與場(chǎng)景中汽車、騎自行車者和行人所遵循的實(shí)際軌跡進(jìn)行了比較。結(jié)果顯示，他們的方法是最準(zhǔn)確的。該方法還在被稱為重疊率的指標(biāo)上優(yōu)于基線模型；如果兩條軌跡重疊，則表明發(fā)生了碰撞。M2I的重疊率最低。

M2I的另一個(gè)優(yōu)點(diǎn)是，因?yàn)樗鼘?wèn)題分解成更小的部分，因此用戶更容易理解模型的決策。研究人員表示，從長(zhǎng)遠(yuǎn)來(lái)看，這可以幫助用戶更加信任自動(dòng)駕駛汽車。

但是該框架無(wú)法解釋兩個(gè)代理相互影響的情況，例如兩輛車在四向停車時(shí)各自向前輕推，因?yàn)轳{駛員不確定誰(shuí)應(yīng)該讓步。

未來(lái)，研究人員計(jì)劃解決該問(wèn)題。此外，他們還希望使用該方法來(lái)模擬道路使用者之間的真實(shí)交互，從而可用于驗(yàn)證自動(dòng)駕駛汽車的規(guī)劃算法或創(chuàng)建大量合成駕駛數(shù)據(jù)，進(jìn)而提高模型性能。

關(guān)鍵詞：