据外媒报道，在未来几年内，自动驾驶汽车将渐渐成为一种流行的交通工具。不过，在此之前，研究人员需要研发工具，确保此类车辆很安全，而且能够在人口稠密的环境中高效行驶。

由于自动驾驶汽车需要能够绕过静止和移动的障碍物，应该具备快速探测物体并避开的能力。实现该目标的方法之一是研发能够预测街道上物体或人未来行为的模型，以估计当车辆靠近时，物体或人所处的位置。

但是，预测城市环境中的未来变化非常具有挑战性，特别是需要预测人类的行为，例如行人的举动或意料之外的行为时，尤其困难。

去年，优步（Uber）的一辆自动驾驶汽车在亚利桑那州撞死了一名49岁的女子Elaine Herzberg。该起事故以及其他数十起事故引发了大量有关自动驾驶汽车安全性，以及此类汽车是否应该在人口密集的环境中进行测试的讨论。

最近，美国国家运输安全委员会（NTSB）发布新文件表示，去年导致致命事故的优步自动驾驶汽车没有将Herzberg确认为行人，该报告还显示，该起事故中的自动驾驶汽车从未接受过探测人行横道外行人的训练。

在事故发生时，Herzberg正在乱穿马路，NTSB报告中表示优步的软件存在缺陷，没有发现Herzberg，最终导致其死亡。NTSB发布的最新分析报告可能会让优步暂停自动驾驶汽车项目，在事故发生后，该项目曾暂停了数月，并于2018年12月再次开始测试自动驾驶汽车。

此类新发现更加表明，在自动驾驶汽车能够在真实道路上测试之前，需要研发更先进的人工智能和更可靠的软件。有趣的是，在NTSB公布上述文件的前几天，优步自动驾驶团队Advanced Technologies Group、多伦多大学（University of Toronto）和加州大学伯克利分校（UC Berkeley）的研究人员提前发表了一篇论文，介绍了一种可以预测行人行为的新技术，名为离散残差流网络（DRF-NET）。据研究人员所说，该神经网络可以预测行人的未来行为，同时在预测长距离行动时，捕捉固有的不确定性。

研究人员相信，通过代表空间的分类分布能够预测行人的未来位置，然后利用此类分布来规划和优化自动驾驶汽车的路径，其中考虑到行人预期所处的位置。

首先，研究人员在论文中介绍了DTF-NET网络会将道路地图的图像进行栅格化，即将其转换成由离散像素组成的图像，行人的行为被编码成鸟瞰图的栅格化图像，并与详细的语义地图相对应。

随后，该网络从栅格化图像中提取出对预测行人行为特别有用的特征。最后，研究人员对模型进行训练，根据此类特征预测路上行人未来的行为。

研究人类采用了一个之前编制的大型数据集来训练和评估该神经网络，该数据集中包含了从北美几个城市收集来的真实世界的记录，其中带有物体注释和在线探测轨迹。此类记录包括研究人员采用车载激光雷达传感器在360度、120米视野范围内手动标注的行人轨迹。

在研究人员进行的评估中，DTF-NET技术表现良好，在预测行人行为方面优于其他几种基线法。因此，此种方法可能有助于提高优步自动驾驶汽车的性能，使其能够预测行人的行动，并相应地规划路径。

有趣的是，DTF-NET网络处理和预测的行人行为包括“未乱穿马路”、“正在乱穿马路”、“穿过人行横道”以及人行横道。这似乎有些讽刺，因为最近NTSB发布的文件就指出，优步自动驾驶汽车在亚利桑那州发生撞车事故时，无法探测到乱穿马路的行人。

返回第一电动网首页 >