Nova IA para veículos autônomos pode prever movimentos de pedestres

• Os engenheiros desenvolvem redes neurais para carros autônomos para detectar pessoas e prever seus próximos movimentos.
• Ele pode prever com precisão as posições e as próximas posições de vários pedestres simultaneamente a até 45 metros do veículo.

A maioria dos veículos autônomos gera e mantém um mapa interno de seus arredores, usando uma ampla gama de câmeras, LiDAR e GPS. Os algoritmos então processam essas entradas, traçam um caminho e enviam instruções para os atuadores do veículo que controlam a direção, aceleração e frenagem.

Outros parâmetros como modelagem preditiva, regras embutidas em código, evasão de obstáculos e algoritmos de discriminação de objetos ajudam o software a navegar enquanto segue as regras de tráfego. A maior parte dos trabalhos realizados nesta área contemplou apenas imagens fixas, que não consideram a forma como os peões se movem em três dimensões.

Para resolver esse problema, pesquisadores da Universidade de Michigan desenvolveram uma IA que pode detectar pessoas e prever seus próximos movimentos com maior precisão em comparação com as tecnologias existentes. Ele pode prever poses e próximas posições para vários pedestres simultaneamente a até 45 metros do veículo.

Rede neural recorrente inspirada biomecanicamente

Até agora, a tecnologia autônoma usou métodos de aprendizado de máquina que lidaram com milhões de imagens bidimensionais. Eles são capazes de reconhecer sinais de parada em tempo real no mundo real.

A nova técnica de aprendizado de máquina, por outro lado, utiliza videoclipes de vários segundos para reconhecer o movimento e fazer previsões precisas sobre aonde os pedestres irão na próxima etapa.

Referência:arXiv:1809.03705 | Universidade de Michigan

O sistema observa as poses dos pedestres, estejam eles olhando para a esquerda / direita ou brincando com seus celulares. Esse tipo de informação diz muito sobre o que eles provavelmente farão em seguida.

A rede neural é baseada na rede de memória de longo prazo com inspiração na biomecânica da marcha humana, por exemplo, simetria espelho / bilateral do corpo humano e a periodicidade da marcha humana.

Quão preciso é?

Os resultados das redes neurais foram bastante impressionantes:o erro de tradução médio foi de cerca de 10 centímetros após 1 segundo e menos de 80 centímetros após 6 segundos. Considerando que outras técnicas semelhantes estavam a até 700 centímetros de distância.

Para tornar a rede mais eficiente, a equipe colocou várias restrições físicas que se aplicam ao corpo humano - como velocidade de caminhada / corrida mais rápida possível ou incapacidade de voar - de modo que o sistema não precise calcular cada movimento seguinte possível.

Eles usaram duas GPUs NVIDIA TITAN X, com estrutura de aprendizado profundo CUDA, para treinar a rede neural no conjunto de dados PedX, que inclui interseções reais em Michigan.

Ele foi implementado em Python 3.6 e leva cerca de 1 milissegundo para prever a próxima etapa de cada pessoa em cada quadro. De acordo com os pesquisadores, o código pode ser otimizado ainda mais para produzir melhores resultados.

Leia:Novo algoritmo de veículo autônomo pode alterar a faixa de forma agressiva

A IA pode elevar a barra do que os carros sem motorista são capazes. Além disso, pode beneficiar os estudos de marcha de robôs bípedes e pode ser aplicado ao desenvolvimento de sistemas clínicos de reabilitação da marcha.