Waymo無人車是如何進行行為預測的
2020-05-16 08:51
智車科技IV
關注
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
聲明：
本文由入駐維科號的作者撰寫，觀點僅代表作者本人，不代表OFweek立場。如有侵權或其他問題，請聯(lián)系舉報。
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
- 1 AI狂歡遇上油價破百，全球股市還能漲多久？ | 產(chǎn)聯(lián)看全球
- 2 OpenAI深夜王炸！ChatGPT Images 2.0實測：中文穩(wěn)、細節(jié)炸，設計師慌了
- 3 6000億美元估值錨定：字節(jié)跳動的“去單一化”突圍與估值重構
- 4 Tesla AI5芯片最新進展總結
- 5 連夜測了一波DeepSeek-V4，我發(fā)現(xiàn)它可能只剩“審美”這個短板了
- 6 熱點丨AI“瑜亮之爭”：既生OpenClaw，何生Hermes？
- 7 AI界的殺豬盤：9秒刪庫跑路，全員被封號，還繼續(xù)扣錢！
- 8 2026，人形機器人只贏了面子
- 9 DeepSeek降價90%：價格屠夫不是身份，是戰(zhàn)略
- 10 AI Infra產(chǎn)業(yè)鏈卡在哪里了？
- 高級軟件工程師 廣東省/深圳市
- 自動化高級工程師 廣東省/深圳市
- 光器件研發(fā)工程師 福建省/福州市
- 銷售總監(jiān)（光器件） 北京市/海淀區(qū)
- 激光器高級銷售經(jīng)理 上海市/虹口區(qū)
- 光器件物理工程師 北京市/海淀區(qū)
- 激光研發(fā)工程師 北京市/昌平區(qū)
- 技術專家 廣東省/江門市
- 封裝工程師 北京市/海淀區(qū)
- 結構工程師 廣東省/深圳市
