为什么人过马路?混淆自驾车

人类司机很难找出一些简单的是否有人会过马路。试想robocars的感受。

行驶在 繁忙的城市,你必须在仔细检查行人的身体语言得到很好的。你的脚悬停气体和刹车之间的某处,等待着你的大脑三角测量他们的意图:是一个试图过马路,或者只是在等待公车?仍然,一大堆的时候你打白白刹车,在一种舞蹈与行人结束了(你走, 去,没有 走)。

如果你认为这是令人沮丧的,那么你就从来没有自驾车。人类司机慢慢走向灭绝(和人类行人不要),自主车将在解码那些潜路口的互动变得更好。所以所谓的洞察力自动启动时解决该问题迫在眉睫。该公司表示,其计算机视觉系统可以端详一行人不仅确定了接近的汽车的认识,但他们的意图,也就是说,用肢体语言来预测行为。

通常,如果你想要一台机器来识别类似的树木,你首先得人标签图片数以万计的: 树木 要么 没有树木。这是一个不错的,整洁的二进制文件。它给人的机器学习算法知识的基础水平。但检测人的身体语言是更复杂的。

“在一行人的情况下,它不是,这个人过马路和这个人 过马路。这是,这个人是不是过马路,但他们显然想,”萨姆·安东尼,敏锐的自动机的联合创始人。是人低头看着迎面而来的车辆的道路?如果他们有购物袋,有他们就写下来等待,或者是他们中间葫芦,准备穿越?

感知列车的模型来看看这些类型的行为。他们开始与人的教练,谁观察和分析不同行人的视频。感知需要,比方说一个夹子,一个人看在街上过马路,并操纵它数以百计的方式,掩盖它的部分,例如。也许有时候头是比较容易看到的,也许有时它很难。然后他们通过询问培训人员提出的一系列问题,如从树不树二进制离开,“是行人希望最终过马路?”或者“如果你是骑自行车的人,你会试图从路过车停下来?”

当图像的不同部分都很难看到,人的培训师必须更加努力地想想自己的身体语言判断,其感知可以通过追踪眼球运动和犹豫测量。也许头是很难做出来,例如,和教练已经把更多的心思进去。 “这告诉我们,有关于这个人的头在这个特殊的切片这是人们如何判断该人培训视频是否会过马路的重要组成部分外观的信息,”安东尼说。

头显然是人类观察者一条重要线索,所以它也是对机器的重要线索。 “所以当模型看到一个新的图像,其中头部是非常重要的,”安东尼说,“它会根据训练数据认为,人们可能会很在意周围的头部区域的像素被填满,会产生一个输出捕获了人的直觉“。

通过考虑等,其中行人正在寻找线索,感知可以量化的意识和意图。一个人走下来与他们回到车上人行道上,例如,没有什么约,都没有意识到,而不是打算过马路担心。但有人站在人行横道窥视沿街则是另一回事。这种认识将得到自驾车额外的时间的情况下,以减缓行人确实决定要逃离这里。

广告

敏锐说,它已经与汽车制造商合作,也不会透露这对部署该系统,并计划将技术授权给自动驾驶汽车的制造商。 (戴姆勒,就其本身而言,也研究 跟踪行人头部运动。)它也有兴趣在其他机器人公司生产,将需要与人类密切互动的机器。

因为在人与机器人之间复杂的相互作用的这个陌生的世界,这是因为很多关于机器适应人,因为它是人类适应机器。确定意向行人会有所帮助,但它并不容易。 “知道了行人的意图肯定会令[自主车]部署更安全,”卡耐基梅隆大学机器人专家拉吉费道宜,谁在自动驾驶汽车的工作原理说。 “是的,但是,一个非常困难的问题很好地解决。”

“考虑曼哈顿,”费道宜补充道。并考虑一个大的一群人渡,特别是对一组从ROBOCAR那一边的人。 “这个群体中,一人是短期或开始运转,快速越过车辆已决定将一转后。机器视觉是不完美的。”和机器视觉可以通过光学会感到困惑,就像人类可以。反射,太阳下降在地平线上低,道路上明暗交替的补丁,何况大雨或大雪,都可以哄骗的机器。

然后还有的人只是怪怪的简单的事情。感知的系统可以在搬弄是非的线索回暖,但人类并不总是那么一致。 “有在2017年独自大约在美国7000只行人死亡,说:”费道宜。 “首要的问题是显著的不确定性,并且获得由突然的决定的存在。大多数行人都非常的交通意识的大部分时间。但是,偶尔,一行人无论是在匆忙或在最后一刻改变主意,并开始过马路,甚至改变方向。”

没有一个人的有关权利要求是自动驾驶汽车将完全消除交通事故死亡,甚至没有机器是完美的,总有将是不可预知人类行人元素。但一点一滴,robocars越来越善于导航这两个我们的世界和变化莫测更好。


更伟大的故事,有线