AI Baru Untuk Kendaraan Self-Driving Dapat Memprediksi Pergerakan Pedestrian
- Para insinyur mengembangkan jaringan saraf untuk mobil self-driving guna mendeteksi orang dan memprediksi gerakan mereka selanjutnya.
- Ini dapat secara akurat memprediksi pose dan posisi berikutnya untuk beberapa pejalan kaki secara bersamaan hingga 45 meter dari kendaraan.
Sebagian besar kendaraan self-driving menghasilkan dan memelihara peta internal lingkungan mereka, menggunakan beragam kamera, LiDAR, dan GPS. Algoritme kemudian memproses input ini, merencanakan jalur, dan mengirim instruksi ke aktuator kendaraan yang mengontrol kemudi, akselerasi, dan pengereman.
Parameter lain seperti pemodelan prediktif, aturan hard-code, penghindaran rintangan dan algoritma diskriminasi objek membantu perangkat lunak menavigasi sambil mengikuti aturan lalu lintas. Sebagian besar pekerjaan yang dilakukan di area ini hanya melihat gambar diam, yang tidak memperhitungkan bagaimana pejalan kaki bergerak dalam tiga dimensi.
Untuk mengatasi masalah ini, para peneliti di University of Michigan telah mengembangkan AI yang dapat mendeteksi orang dan memprediksi gerakan mereka selanjutnya dengan presisi lebih tinggi dibandingkan dengan teknologi yang ada. Ini dapat memprediksi pose dan posisi berikutnya untuk beberapa pejalan kaki secara bersamaan hingga 45 meter dari kendaraan.
Jaringan Neural Berulang Terinspirasi Secara Biomekanik
Sejauh ini teknologi otonom telah menggunakan metode pembelajaran mesin yang telah menangani jutaan gambar dua dimensi. Mereka mampu mengenali tanda berhenti secara real-time di dunia nyata.
Teknik pembelajaran mesin baru, di sisi lain, menggunakan klip video beberapa detik untuk mengenali gerakan dan membuat prediksi akurat tentang ke mana pejalan kaki akan pergi pada langkah berikutnya.
Referensi:arXiv:1809.03705 | Universitas Michigan
Sistem mengamati pose pejalan kaki, apakah mereka melihat ke kiri/kanan atau bermain dengan ponsel mereka. Jenis informasi ini memberi tahu banyak tentang apa yang kemungkinan besar akan mereka lakukan selanjutnya.
Jaringan saraf didasarkan pada jaringan memori jangka pendek panjang dengan inspirasi dari biomekanik gaya berjalan manusia, misalnya, cermin/simetri bilateral tubuh manusia dan periodisitas berjalan manusia.
Seberapa Akurat?
Hasil dari jaringan saraf cukup mengesankan:kesalahan terjemahan rata-rata sekitar 10 sentimeter setelah 1 detik dan kurang dari 80 sentimeter setelah 6 detik. Padahal, teknik serupa lainnya berjarak hingga 700 sentimeter.
Untuk membuat jaringan lebih efisien, tim menempatkan beberapa batasan fisik yang berlaku untuk tubuh manusia — seperti kecepatan berjalan/berlari tercepat atau ketidakmampuan untuk terbang — sehingga sistem tidak perlu menghitung setiap kemungkinan gerakan berikutnya.
Mereka menggunakan dua GPU NVIDIA TITAN X, dengan kerangka kerja pembelajaran mendalam CUDA, untuk melatih jaringan saraf pada set data PedX yang mencakup persimpangan nyata di Michigan.
Itu diimplementasikan dalam Python 3.6 dan dibutuhkan sekitar 1 milidetik untuk memprediksi langkah selanjutnya dari setiap orang di setiap frame. Menurut para peneliti, kode dapat dioptimalkan lebih lanjut untuk menghasilkan hasil yang lebih baik.
Baca:Algoritma Kendaraan Self-Driving Baru Dapat Mengubah Jalur Secara Agresif
AI dapat meningkatkan standar kemampuan mobil tanpa pengemudi. Selain itu, ini dapat bermanfaat bagi studi gaya berjalan robot bipedal dan dapat diterapkan pada pengembangan sistem rehabilitasi gaya berjalan klinis.
