Los autores del nuevo trabajo plantearon la hipótesis de que los modelos se entrenan mejor mediante la predicción
Los investigadores planean desarrollar una arquitectura que tenga en cuenta tanto los objetivos a corto como a largo plazo, que son los principales componentes a la hora de evaluar las intenciones de los peatones o los coches.
Por ejemplo, hay un automóvil que está en una intersecciónquiere girar a la izquierda. Es importante tener en cuenta no solo la dinámica del transporte, sino también cómo la intención puede cambiar en función de varios factores: debido al propio deseo, otros usuarios de la vía u obstáculos.
A continuación, el algoritmo codifica primero la experiencia pasada en la que se entrenó el modelo para predecir cuáles podríantienen efectos a corto y largo plazo.
El modelo asigna etiquetas a todos los objetos circundantes , estas son "intenciones" que puedenCambia a medida que avanzas, el "entorno", como las señales de tráfico y los árboles, que influyen en la intención de los agentes, y las "señales contextuales", como el clima y las condiciones de la carretera.
Los investigadores evaluaron su modelo en una serie de pruebas y descubrieron que superaba el rendimientoOtros métodos modernos de predicción de trayectorias en un 27%.
Los desarrolladores creen que el modelo puede serse utiliza para mejorar la seguridad y el rendimiento de los vehículos autónomos. Además, otros grupos de investigación pueden utilizar el conjunto de datos de LOKI para preparar sus propios modelos para predecir las trayectorias de peatones y vehículos en la carretera.
Leer Más lejos:
Nuevo iOS 15: fecha de lanzamiento, diseño y características del iPhone. Contamos todo lo que se sabe
Se fabricó un material ultrafino de grafeno blanco. Reemplazará servidores
Ver un dron de ataque pesado que lleva un montón de armas.