Waymo無人車是如何進行行為預測的
通過這個過程，神經(jīng)網(wǎng)絡獲得了各種向量之間的關系。例如汽車進入十字路口或行人接近人行橫道時，就會發(fā)生這些關系。通過學習道路特征和對象軌跡之間的這種相互作用，VectorNet 能夠通過學習不同的行為模式來更好地預測其他道路參與者的行為。
為了進一步增強 VectorNet 的功能，waymo對該系統(tǒng)進行了訓練，以從模糊線索中學習，以推斷出車輛周圍接下來會發(fā)生什么，從而做出更好的行為預測。例如，重要的場景信息通常在行駛時會被遮擋，例如樹葉遮住停車標志。當人類駕駛員遇到這種情況時，即使他們看不見，他們也可以借鑒過去的經(jīng)驗來推斷發(fā)生某事的可能性。通過在訓練過程中隨機掩蓋地圖特征（例如在四通路口的停車標志并要求網(wǎng)絡完成），VectorNet可以進一步提高Waymo Driver對周圍世界的了解，并為意外做好準備。
驗證VectorNet的性能
將VectorNet與ResNet進行比較，發(fā)現(xiàn)VectorNet的計算和位移誤差有所改善。與最先進且使用最廣泛的ConvNets之一ResNet－18相比，VectorNet的性能提高了18％，而每個場景只有50個代理時，僅使用29％的參數(shù)，而且僅消耗20％的計算量。
VectorNet使waymo能夠更好地適應這些新領域，更有效地學習，并幫助實現(xiàn)完全自動駕駛。
分享
請輸入評論內(nèi)容...
請輸入評論/評論長度6~500個字
最新活動更多
推薦專題
- 1 AI 眼鏡讓百萬 APP「集體失業(yè)」？
- 2 大廠紛紛入局，百度、阿里、字節(jié)搶奪Agent話語權
- 3 深度報告｜中國AI產(chǎn)業(yè)正在崛起成全球力量，市場潛力和關鍵挑戰(zhàn)有哪些？
- 4 上海跑出80億超級獨角獸：獲上市公司戰(zhàn)投，干人形機器人
- 5 國家數(shù)據(jù)局局長劉烈宏調(diào)研格創(chuàng)東智
- 6 下一代入口之戰(zhàn)：大廠為何紛紛押注智能體？
- 7 百億AI芯片訂單，瘋狂傾銷中東？
- 8 Robotaxi新消息密集釋放，量產(chǎn)元年誰在領跑？
- 9 格斗大賽出圈！人形機器人致命短板曝光：頭腦過于簡單
- 10 “搶灘”家用機器人領域，聯(lián)通、海爾、美的等紛紛入局
