Waymo无人车是如何进行行为预测的
2020-05-16 08:51
智车科技IV
关注
通过这个过程，神经网络获得了各种向量之间的关系。例如汽车进入十字路口或行人接近人行横道时，就会发生这些关系。通过学习道路特征和对象轨迹之间的这种相互作用，VectorNet 能够通过学习不同的行为模式来更好地预测其他道路参与者的行为。
为了进一步增强 VectorNet 的功能，waymo对该系统进行了训练，以从模糊线索中学习，以推断出车辆周围接下来会发生什么，从而做出更好的行为预测。例如，重要的场景信息通常在行驶时会被遮挡，例如树叶遮住停车标志。当人类驾驶员遇到这种情况时，即使他们看不见，他们也可以借鉴过去的经验来推断发生某事的可能性。通过在训练过程中随机掩盖地图特征（例如在四通路口的停车标志并要求网络完成），VectorNet可以进一步提高Waymo Driver对周围世界的了解，并为意外做好准备。
验证VectorNet的性能
将VectorNet与ResNet进行比较，发现VectorNet的计算和位移误差有所改善。与最先进且使用最广泛的ConvNets之一ResNet－18相比，VectorNet的性能提高了18％，而每个场景只有50个代理时，仅使用29％的参数，而且仅消耗20％的计算量。
VectorNet使waymo能够更好地适应这些新领域，更有效地学习，并帮助实现完全自动驾驶。
分享
声明：
本文由入驻维科号的作者撰写，观点仅代表作者本人，不代表OFweek立场。如有侵权或其他问题，请联系举报。
最新活动更多
-
即日-11.13立即报名>>> 【在线会议】多物理场仿真助跑新能源汽车
-
11月28日立即报名>>> 2024工程师系列—工业电子技术在线会议
-
12月19日立即报名>> 【线下会议】OFweek 2024（第九届）物联网产业大会
-
即日-12.26火热报名中>> OFweek2024中国智造CIO在线峰会
-
即日-2025.8.1立即下载>> 《2024智能制造产业高端化、智能化、绿色化发展蓝皮书》
-
精彩回顾立即查看>> 【限时免费下载】TE暖通空调系统高效可靠的组件解决方案
推荐专题
发表评论
请输入评论内容...
请输入评论/评论长度6~500个字
暂无评论
暂无评论