AI Memprediksi Gerakan Pejalan Kaki untuk Mobil Otonom yang Lebih Aman
Insinyur mengembangkan jaringan syaraf tiruan untuk mobil otonom untuk mendeteksi orang dan memprediksi gerakan berikutnya mereka.
Model ini dapat secara akurat memprediksi pose dan posisi berikutnya untuk beberapa pejalan kaki secara bersamaan hingga 45 meter dari kendaraan.
Sebagian besar kendaraan otonom menghasilkan dan memetakan peta internal dari lingkungan sekitarnya, menggunakan berbagai macam kamera, LiDAR dan GPS. Algoritma kemudian memproses input ini, menentukan jalur, dan mengirim instruksi ke aktuator kendaraan yang mengontrol pengemudi, percepatan, dan rem.
Parameter lain seperti pemodelan prediktif, aturan yang dihard-code, penghindaran rintangan dan algoritma diskriminasi objek membantu perangkat lunak menavigasi sambil mengikuti aturan lalu lintas. Sebagian besar pekerja yang dilakukan di bidang ini hanya telah memandang gambar statis, yang tidak memperhitungkan bagaimana pejalan kaki bergerak dalam tiga dimensi.
Untuk mengatasi masalah ini, peneliti di Universitas Michigan telah mengembangkan AI yang dapat mendeteksi orang dan memprediksi gerakan berikutnya dengan presisi yang lebih tinggi dibandingkan teknologi yang ada. Ia dapat memprediksi pose dan posisi berikutnya untuk beberapa pejalan kaki secara bersamaan hingga 45 meter dari kendaraan.
Jaringan Syaraf Rekuren Terinspirasi Biomekanik
Sejauh ini, teknologi otonom telah menggunakan metode machine learning yang telah menangani jutaan gambar dua dimensi. Mereka mampu mengenali tanda berhenti secara real-time di dunia nyata.
Teknik machine learning baru ini, di sisi lain, menggunakan klip video beberapa detik untuk mengenali gerakan dan membuat prediksi yang akurat tentang ke mana pejalan kaki akan pergi pada langkah selanjutnya.
Referensi: arXiv:1809.03705 | Universitas Michigan
Sistem mengamati pose pejalan kaki, apakah mereka melihat ke kiri/kanan atau bermain ponsel mereka. Jenis informasi ini memberitahu banyak tentang apa yang paling mungkin mereka lakukan selanjutnya.
Jaringan syaraf berdasarkan jaringan syaraf pendek jangka panjang dengan inspirasi dari biomekanika berjalan manusia, misalnya, simetri cermin/bertolak belakang dari tubuh manusia dan periodicitas berjalan manusia.
Seberapa Akurat?
Hasil dari jaringan syaraf cukup mengesankan: kesalahan translasi median sekitar 10 sentimeter setelah 1 detik dan kurang dari 80 sentimeter setelah 6 detik. Sedangkan, teknik serupa lainnya sampai 700 sentimeter keluar.
Untuk membuat jaringan lebih efisien, tim memasukkan beberapa batasan fisika yang berlaku untuk tubuh manusia — seperti kecepatan berjalan/berlari tercepat atau ketidakmampuan terbang — sehingga sistem tidak perlu menghitung setiap gerakan berikutnya yang mungkin.
Mereka menggunakan dua GPU NVIDIA TITAN X, dengan kerangka kerja deep learning CUDA, untuk melatih jaringan syaraf pada kumpulan data PedX yang mencakup persimpangan nyata di Michigan.
Implementasi dilakukan dalam Python 3.6 dan membutuhkan waktu sekitar 1 milidetik untuk memprediksi langkah selanjutnya dari setiap orang dalam setiap frame. Menurut peneliti, kode dapat dioptimalkan lebih lanjut untuk menghasilkan hasil yang lebih baik.
Baca: Algoritma Kendaraan Otonom Baru Dapat Berpindah Jalur Secara Agresif
AI dapat meningkatkan standar apa yang dapat dilakukan oleh mobil tanpa sopir. Juga, dapat bermanfaat untuk studi gerakan berjalan robot berdiri dua kaki dan dapat diterapkan dalam pengembangan sistem rehabilitasi gerakan berjalan klinis.
