Waymo首次公开自动驾驶技术

阅读  ·  发布日期 2018-12-12 09:15  ·  admin
【导读】近年来,深度神经网络中的监督训练使用大量标注数据在许多领域迅速提高了当前最佳水准,尤其是在目标检测及预测领域。这些技术在 Waymo 得到了广泛应用,」研究人员写道。「随着感知神经网络取得成功,我们自然而然地会问自己:我们可以利用纯监督深度学习方法训练出一个熟练的自动驾驶员吗?
潮科技 | Waymo首次公开自动驾驶技术:让AI学会「危机想象力」为了创建一个能够模拟专业驾驶的系统,他们精心设计了一个神经网络——ChauffeurNet,该网络通过观察真实和模拟数据(包括地图、周围目标、交通灯状态和汽车过去的运动)学会了生成驾驶轨迹。一个低级的控制器将十点轨迹转化为转向和加速指令,允许 AI 模型驾驶真实和模拟汽车。
ChauffeurNet 在模拟环境中表现较好,它将损失和合成的示例都考虑在内,甚至还能绕过停泊的车辆,在信号灯由黄变红时停下以及在其轨道上修复些微的偏差。在现实世界的私人试车跑道驾驶 Waymo 的克莱斯勒 Pacifica 小型货车时,ChauffeurNet 成功地驶过了弯道,并正确判别了停止信号和转弯。
潮科技 | Waymo首次公开自动驾驶技术:让AI学会「危机想象力」
ChauffeurNet 内部由两个部分组成——FeatureNet 和 AgentRNN。AgentRNN 的输入包括一张展示过去智能体姿态的图像、一组由卷积网络FeatureNet 从展示的输入中计算的特征、一张展示过去智能体框的图像、展示预测未来智能体姿态以预测智能体下一个姿态的外显记忆,以及俯视视角下的下一个智能体框。这些预测用于更新 AgentRNN 的输入,从而预测下一个时间步。