Les auteurs du nouveau travail ont émis l'hypothèse que les modèles sont mieux entraînés à l'aide de la prédiction.
Les chercheurs prévoient de développer une architecture qui prend en compte à la fois les objectifs à court et à long terme : ce sont les principaux éléments lors de l'évaluation des intentions d'un piéton ou d'une voiture.
Par exemple, il y a une voiture qui est à une intersectionveut tourner à gauche. Il est important de prendre en compte non seulement la dynamique du transport, mais aussi comment l'intention peut changer en fonction de divers facteurs : en raison de son propre désir, d'autres usagers de la route ou d'obstacles.
Ensuite, l'algorithme code d'abord les expériences passées sur lesquelles le modèle a été formé pour prédire quelles pourraient être les conséquences à long terme et à court terme.
Le modèle attribue à tous les objets environnantsles indices sont des « intentions » qui peuvent changer en cours de route, des « environnements » tels que les panneaux routiers et les arbres qui influencent les intentions des agents, et des « indices contextuels » tels que les conditions météorologiques et routières.
Les chercheurs ont évalué leur modèle dans une série de tests et ont constaté qu’il surpassait de 27 % les autres méthodes de prédiction de trajectoire de pointe.
Les développeurs pensent que le modèle peut êtreutilisé pour améliorer la sécurité et les performances des véhicules autonomes. En outre, d'autres groupes de recherche peuvent utiliser l'ensemble de données LOKI pour préparer leurs propres modèles afin de prédire les trajectoires des piétons et des véhicules sur la route.
Lire Plus loin:
Nouvel iOS 15: date de sortie, design et fonctionnalités de l'iPhone. On raconte tout ce qui est connu
Un matériau ultra-mince a été fabriqué à partir de graphène blanc. Il remplacera les serveurs
Voir un drone d'attaque lourde qui transporte une tonne d'armes