Автори нової роботи висунули гіпотезу про те, що моделі найкраще навчати за допомогою прогнозування
Дослідники планують розробити архітектуру, яка розглядає як короткострокові, так і довгострокові цілі – це головні компоненти в оцінці намірів пішохода чи автомобіля.
Наприклад, є автомобіль, який на перехрестіхоче повернути ліворуч. Важливо враховувати не лише динаміку транспорту, а й те, як намір може змінитися в залежності від різних факторів: через власного бажання, інших учасників руху або перешкоди
Далі алгоритм спочатку кодує минулий досвід, на якому навчалася модель, щоб передбачити, які можуть бути довгострокові та короткострокові наслідки.
Всім навколишнім об'єктам модель надаємітки - це «наміри», які можуть змінюватися по ходу руху, «довкілля», наприклад, дорожні знаки та дерева, що впливають на наміри агентів, а також «контекстуальні мітки», такі як погода та дорожні умови.
Дослідники оцінили свою модель у серії тестів та виявили, що вона перевершує інші сучасні методи прогнозування траєкторій на 27%.
Розробники вважають, що модель можнавикористовувати для підвищення безпеки і продуктивності автономних транспортних засобів. Крім того, інші дослідницькі групи можуть використовувати набір даних LOKI для підготовки своїх власних моделей для прогнозування траєкторій пішоходів і транспортних засобів на дорозі.
Читати далі:
Нова iOS 15: дата випуску, дизайн і функції iPhone. Розповідаємо все, що відомо
З білого графена зробили надтонкий матеріал. Він замінить сервери
Подивіться на важкий ударний безпілотник, який несе зброю вагою в тонну