La nueva IA para vehículos autónomos puede predecir los movimientos de los peatones

• Los ingenieros desarrollan redes neuronales para vehículos autónomos a fin de detectar personas y predecir sus próximos movimientos.
• Puede predecir con precisión las poses y las próximas posiciones de varios peatones simultáneamente hasta a 45 metros del vehículo.

La mayoría de los vehículos autónomos generan y mantienen un mapa interno de su entorno, utilizando una amplia gama de cámaras, LiDAR y GPS. Luego, los algoritmos procesan estas entradas, trazan una ruta y envían instrucciones a los actuadores del vehículo que controlan la dirección, la aceleración y el frenado.

Otros parámetros, como el modelado predictivo, las reglas codificadas, los algoritmos de evitación de obstáculos y discriminación de objetos ayudan al software a navegar mientras sigue las reglas de tráfico. La mayor parte del trabajo realizado en esta área se ha centrado únicamente en imágenes fijas, que no tienen en cuenta cómo se mueven los peatones en tres dimensiones.

Para abordar este problema, los investigadores de la Universidad de Michigan han desarrollado una IA que puede detectar personas y predecir sus próximos movimientos con mayor precisión en comparación con las tecnologías existentes. Puede predecir poses y próximas posiciones para múltiples peatones simultáneamente hasta 45 metros del vehículo.

Red neuronal recurrente de inspiración biomecánica

Hasta ahora, la tecnología autónoma ha utilizado métodos de aprendizaje automático que se han ocupado de millones de imágenes bidimensionales. Son capaces de reconocer señales de alto en tiempo real en el mundo real.

La nueva técnica de aprendizaje automático, por otro lado, utiliza videoclips de varios segundos para reconocer el movimiento y hacer predicciones precisas sobre dónde irán los peatones en el siguiente paso.

Referencia:arXiv:1809.03705 | Universidad de Michigan

El sistema observa las poses de los peatones, ya sea que estén mirando hacia la izquierda / derecha o jugando con sus teléfonos móviles. Este tipo de información dice mucho sobre lo que es más probable que hagan a continuación.

La red neuronal se basa en la red de memoria a corto plazo y se inspira en la biomecánica de la marcha humana, por ejemplo, la simetría espejo / bilateral del cuerpo humano y la periodicidad de la marcha humana.

¿Qué precisión tiene?

Los resultados de las redes neuronales fueron bastante impresionantes:el error de traducción medio fue de aproximadamente 10 centímetros después de 1 segundo y menos de 80 centímetros después de 6 segundos. Considerando que, otras técnicas similares tenían hasta 700 centímetros de descuento.

Para hacer que la red sea más eficiente, el equipo impuso varias restricciones físicas que se aplican al cuerpo humano, como la velocidad más rápida posible para caminar / correr o la incapacidad para volar, para que el sistema no tenga que calcular todos los próximos movimientos posibles.

Utilizaron dos GPU NVIDIA TITAN X, con el marco de aprendizaje profundo CUDA, para entrenar la red neuronal en el conjunto de datos PedX, que incluye intersecciones reales en Michigan.

Se implementó en Python 3.6 y se tarda aproximadamente 1 milisegundo en predecir el siguiente paso de cada persona en cada cuadro. Según los investigadores, el código se puede optimizar aún más para producir mejores resultados.

Leer:El nuevo algoritmo para vehículos autónomos puede cambiar de carril de forma agresiva

La IA puede elevar el nivel de lo que son capaces de hacer los coches autónomos. Además, puede beneficiar los estudios de la marcha de los robots bípedos y puede aplicarse al desarrollo de sistemas clínicos de rehabilitación de la marcha.