為了保證安全，自動駕駛汽車必須準確跟蹤行人，自行車和周圍其他車輛的運動。因此，卡內基梅隆大學開發了一種新方法，訓練這些跟蹤系統讓它們更有效。

一般而言，可用于訓練跟蹤系統的道路和交通場景數據越多，結果越好。為此，CMU研究人員找到了一種獲得大量自動駕駛數據的方法。

“與以前的方法相比，我們的方法更加健壯，因為我們可以在更大的數據集上進行訓練，”與CMU機器人學院助理教授David Held合作的研究實習生Himangi Mittal說。

場景流估計

CMU這種方法是最近比較流行的所謂場景流估計，就是光流的三維版本，表述了圖像／點云中每個點在前后兩幀的變化情況。目前對場景流的研究還局限在實驗室階段，由于缺乏實際數據（打標成本太高）以及客觀的評價指標，離工程應用還有不小的距離。此外，巨大的計算量也是一個瓶頸。

大多數自動駕駛汽車主要基于稱為激光雷達的傳感器進行導航，該激光設備會生成有關汽車周圍環境的3D信息。這種3D信息不是圖像，而是點云。車輛利用此數據的一種方式是使用一種稱為場景流的技術。這涉及計算每個3D點的速度和軌跡。通過場景流將一起移動的點組解釋為車輛，行人或其他移動物體。

過去，用于訓練此類系統的最新方法要求使用標記的數據集，已標注注釋的傳感器數據，會隨時間推移跟蹤每個3D點。手動標記這些數據集既費力又昂貴，因此，幾乎沒有標記數據集。所以，場景流訓練通常是使用效果不佳的模擬數據執行的，然后使用少量存在標記的真實世界數據進行微調。

CMU提出的一種自我監督的場景流估計方法。使用COM兩個自我監督損失的組合，模擬由人類注釋創建的監督，即使用未標記的數據進行場景流訓練。同時，使用周期一致性損失，以確保產生的場景流在時間上是一致的。由于通過在汽車上安裝激光雷達并四處行駛，相對容易生成未標記的數據，因此不乏這些數據。

他們方法的關鍵是為系統開發一種方法來檢測場景流中的自身錯誤。在每個瞬間，系統都會嘗試預測每個3D點的移動方向和移動速度。在下一瞬間，它會測量該點的預測位置與最接近該預測位置的點的實際位置之間的距離。

然后，系統從預測的點位置開始向后逆轉，以返回該點的原始位置。此時，它會測量預測位置與實際起點之間的距離，并且所產生的距離會形成第二種誤差。

然后，系統將糾正這些錯誤。

霍爾德說：“事實證明，要消除這兩個錯誤，系統實際上需要學習做正確的事，而從未被告知正確的事是什么。”

聽起來可能有些費解，但發現它運作良好。研究人員使用一組綜合數據訓練得出的場景流精度僅為25％。當使用少量現實世界中標記的數據對合成數據進行微調時，準確性提高到31％。當他們添加大量未標記的數據來使用他們的方法訓練系統時，場景流的準確性躍升至46％。

研究團隊在6月14日至19日舉行的計算機視覺和模式識別（CVPR）會議上介紹了他們的方法。CMU Argo AI自主車輛研究中心為這項研究提供了支持，并獲得了NASA太空技術研究獎學金的額外支持。