TechCrunch: автопилот учат прогнозировать действия пешехода

Мичиганский университет, известный своими разработками в области автономных транспортных средств, работает над усовершенствованным алгоритмом прогнозирования движения пешеходов, который учитывает не только то, что они делают, но и то, как они это делают, сообщает TechCrunch. Этот язык тела может иметь решающее значение для предугадывания дальнейших действий человека.

Наблюдение за пешеходами и прогнозирование их действий является важной частью системы обработки данных визуального контроля любого автономного транспортного средства. Понимание того, где присутствует человек, имеет огромное значение для работы автомобиля - в то время как некоторые компании заявляют, что их авто могут видеть людей в тех или иных условиях, никто из них не говорит, что их транспортные средства распознают жесты и осанку.

Такие алгоритмы обработки данных визуального контроля могут (хотя в настоящее время маловероятны) быть такими же простыми, как идентификация человека и подсчет, сколько пикселей перемещается за несколько кадров. Но, естественно, человеческое движение немного сложнее.

Новая система UM использует лидары и стереоскопические камеры для оценки не только траектории движения человека, но и его позы и походки. Поза может указывать, смотрит ли человек в сторону автомобиля, использует ли трость, наклонился ли к телефону; походка указывает не только скорость, но и намерение.

Кто-то смотрит через плечо? Может быть, он повернется или начнет перебегать пробку. Протягивает руку? Может, сигнализирует кому-то (или, возможно, машине) остановиться. Эти дополнительные данные помогают системе прогнозировать движение и обеспечивают более полный набор планов навигации и непредвиденных обстоятельств.

Важно отметить, что система хорошо работает только с несколькими кадрами – один шаг и размах руки, например. Этого достаточно, чтобы сделать прогноз, который легко превосходит более простые модели, что является критическим показателем производительности, так как нельзя предположить, что пешеход будет виден в течение более чем нескольких кадров между препятствиями.

Сейчас с этими малоизученными данными сделать можно не так много, но их принятие и каталогизация - первый шаг к тому, чтобы сделать их неотъемлемой частью системы зрения автономных транспортных средств.