訂閱
糾錯
加入自媒體
當前位置： OFweek 人工智能網(wǎng)   >   機器學習   >  正文

Waymo無人車是如何進行行為預測的


通過這個過程，神經(jīng)網(wǎng)絡(luò)獲得了各種向量之間的關(guān)系。例如汽車進入十字路口或行人接近人行橫道時，就會發(fā)生這些關(guān)系。通過學習道路特征和對象軌跡之間的這種相互作用，VectorNet 能夠通過學習不同的行為模式來更好地預測其他道路參與者的行為。

為了進一步增強 VectorNet 的功能，waymo對該系統(tǒng)進行了訓練，以從模糊線索中學習，以推斷出車輛周圍接下來會發(fā)生什么，從而做出更好的行為預測。例如，重要的場景信息通常在行駛時會被遮擋，例如樹葉遮住停車標志。當人類駕駛員遇到這種情況時，即使他們看不見，他們也可以借鑒過去的經(jīng)驗來推斷發(fā)生某事的可能性。通過在訓練過程中隨機掩蓋地圖特征（例如在四通路口的停車標志并要求網(wǎng)絡(luò)完成），VectorNet可以進一步提高Waymo Driver對周圍世界的了解，并為意外做好準備。

驗證VectorNet的性能

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

VectorNet使waymo能夠更好地適應這些新領(lǐng)域，更有效地學習，并幫助實現(xiàn)完全自動駕駛。

<上一頁  1  2  
聲明： 本文由入駐維科號的作者撰寫，觀點僅代表作者本人，不代表OFweek立場。如有侵權(quán)或其他問題，請聯(lián)系舉報。

發(fā)表評論

共0條評論，0人參與

請輸入評論內(nèi)容...

請輸入評論/評論長度6~500個字

您提交的評論過于頻繁，請輸入驗證碼繼續(xù)

暫無評論

暫無評論

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

    粵公網(wǎng)安備 44030502002758號