訂閱
糾錯(cuò)
加入自媒體
當(dāng)前位置： OFweek 人工智能網(wǎng)   >   機(jī)器學(xué)習(xí)   >  正文

Waymo無人車是如何進(jìn)行行為預(yù)測的


通過這個(gè)過程，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 能夠通過學(xué)習(xí)不同的行為模式來更好地預(yù)測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會(huì)發(fā)生什么，從而做出更好的行為預(yù)測。例如，重要的場景信息通常在行駛時(shí)會(huì)被遮擋，例如樹葉遮住停車標(biāo)志。當(dāng)人類駕駛員遇到這種情況時(shí)，即使他們看不見，他們也可以借鑒過去的經(jīng)驗(yàn)來推斷發(fā)生某事的可能性。通過在訓(xùn)練過程中隨機(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  1  2  
聲明： 本文由入駐維科號(hào)的作者撰寫，觀點(diǎn)僅代表作者本人，不代表OFweek立場。如有侵權(quán)或其他問題，請(qǐng)聯(lián)系舉報(bào)。

發(fā)表評(píng)論

共0條評(píng)論，0人參與

請(qǐng)輸入評(píng)論內(nèi)容...

請(qǐng)輸入評(píng)論/評(píng)論長度6~500個(gè)字

您提交的評(píng)論過于頻繁，請(qǐng)輸入驗(yàn)證碼繼續(xù)

  • 看不清，點(diǎn)擊換一張  刷新

暫無評(píng)論

暫無評(píng)論

    掃碼關(guān)注公眾號(hào)
    OFweek人工智能網(wǎng)
    獲取更多精彩內(nèi)容
    文章糾錯(cuò)
    x
    *文字標(biāo)題：
    *糾錯(cuò)內(nèi)容：
    聯(lián)系郵箱：
    *驗(yàn) 證 碼：

    粵公網(wǎng)安備 44030502002758號(hào)