Författarna till det nya arbetet antog att modeller tränas bäst med hjälp av förutsägelse
Forskarna planerar att utveckla en arkitektur som tar hänsyn till både kortsiktiga och långsiktiga mål – dessa är huvudkomponenterna när man bedömer en fotgängares eller en bils avsikter.
Till exempel finns det en bil som befinner sig i en korsningvill svänga vänster. Det är viktigt att inte bara ta hänsyn till transportens dynamik, utan också hur avsikten kan förändras beroende på olika faktorer: på grund av den egna lusten, andra trafikanter eller hinder.
Därefter kodar algoritmen först de tidigare erfarenheterna som modellen har tränats på för att förutsäga vad de långsiktiga och kortsiktiga konsekvenserna kan bli.
Modellen tilldelar alla omgivande objektledtrådar är "avsikter" som kan förändras under vägen, "miljö" som vägskyltar och träd som påverkar agenternas avsikter och "kontextuella ledtrådar" som väder och vägförhållanden.
Forskarna utvärderade sin modell i en serie tester och fann att den överträffade andra toppmoderna banförutsägelsesmetoder med 27 %.
Utvecklarna tror att modellen kan vara detanvänds för att förbättra säkerheten och prestandan för autonoma fordon. Dessutom kan andra forskargrupper använda LOKI -datauppsättningen för att förbereda sina egna modeller för att förutsäga fotgängares och fordons vägar på vägen.
Att läsa Ytterligare:
Ny iOS 15: släppdatum, iPhone-design och funktioner. Vi berättar allt som är känt
Ett ultratunt material gjordes av vit grafen. Det kommer att ersätta servrar
Se en tung attackdrönare som bär massor av vapen