Waymo無(wú)人車是如何進(jìn)行行為預(yù)測(cè)的？

2020-05-16 08:49

通過(guò)這個(gè)過(guò)程，神經(jīng)網(wǎng)絡(luò)獲得了各種向量之間的關(guān)系。例如汽車進(jìn)入十字路口或行人接近人行橫道時(shí)，就會(huì)發(fā)生這些關(guān)系。通過(guò)學(xué)習(xí)道路特征和對(duì)象軌跡之間的這種相互作用，VectorNet 能夠通過(guò)學(xué)習(xí)不同的行為模式來(lái)更好地預(yù)測(cè)其他道路參與者的行為。

為了進(jìn)一步增強(qiáng) VectorNet 的功能，waymo對(duì)該系統(tǒng)進(jìn)行了訓(xùn)練，以從模糊線索中學(xué)習(xí)，以推斷出車輛周圍接下來(lái)會(huì)發(fā)生什么，從而做出更好的行為預(yù)測(cè)。例如，重要的場(chǎng)景信息通常在行駛時(shí)會(huì)被遮擋，例如樹(shù)葉遮住停車標(biāo)志。當(dāng)人類駕駛員遇到這種情況時(shí)，即使他們看不見(jiàn)，他們也可以借鑒過(guò)去的經(jīng)驗(yàn)來(lái)推斷發(fā)生某事的可能性。通過(guò)在訓(xùn)練過(guò)程中隨機(jī)掩蓋地圖特征（例如在四通路口的停車標(biāo)志并要求網(wǎng)絡(luò)完成），VectorNet可以進(jìn)一步提高Waymo Driver對(duì)周圍世界的了解，并為意外做好準(zhǔn)備。

驗(yàn)證VectorNet的性能

將VectorNet與ResNet進(jìn)行比較，發(fā)現(xiàn)VectorNet的計(jì)算和位移誤差有所改善。與最先進(jìn)且使用最廣泛的ConvNets之一ResNet－18相比，VectorNet的性能提高了18％，而每個(gè)場(chǎng)景只有50個(gè)代理時(shí)，僅使用29％的參數(shù)，而且僅消耗20％的計(jì)算量。

VectorNet使waymo能夠更好地適應(yīng)這些新領(lǐng)域，更有效地學(xué)習(xí)，并幫助實(shí)現(xiàn)完全自動(dòng)駕駛。

<上一頁(yè) 1 2