La nouvelle IA pour les véhicules autonomes peut prédire les mouvements des piétons

• Les ingénieurs développent des réseaux neuronaux pour les voitures autonomes afin de détecter les personnes et de prédire leurs prochains mouvements.
• Il peut prédire avec précision les poses et les prochaines positions de plusieurs piétons simultanément jusqu'à 45 mètres du véhicule.

La plupart des véhicules autonomes génèrent et maintiennent une carte interne de leur environnement, à l'aide d'un large éventail de caméras, de LiDAR et de GPS. Les algorithmes traitent ensuite ces entrées, tracent un chemin et envoient des instructions aux actionneurs du véhicule qui contrôlent la direction, l'accélération et le freinage.

D'autres paramètres tels que la modélisation prédictive, les règles codées en dur, l'évitement d'obstacles et les algorithmes de discrimination d'objets aident le logiciel à naviguer tout en respectant les règles de circulation. La plupart des travaux effectués dans ce domaine n'ont porté que sur des images fixes, qui ne prennent pas en compte la façon dont les piétons se déplacent en trois dimensions.

Pour résoudre ce problème, des chercheurs de l'Université du Michigan ont développé une IA capable de détecter les personnes et de prédire leurs prochains mouvements avec une précision supérieure par rapport aux technologies existantes. Il peut prédire les poses et les prochaines positions de plusieurs piétons simultanément jusqu'à 45 mètres du véhicule.

Réseau de neurones récurrents d'inspiration biomécanique

Jusqu'à présent, la technologie autonome a utilisé des méthodes d'apprentissage automatique qui ont traité des millions d'images bidimensionnelles. Ils sont capables de reconnaître les panneaux d'arrêt en temps réel dans le monde réel.

La nouvelle technique d'apprentissage automatique, quant à elle, utilise des clips vidéo de plusieurs secondes pour reconnaître le mouvement et faire des prédictions précises sur l'endroit où les piétons iront à l'étape suivante.

Référence :arXiv:1809.03705 | Université du Michigan

Le système observe les poses des piétons, qu'ils regardent à gauche/à droite ou qu'ils jouent avec leur téléphone portable. Ces types d'informations en disent long sur ce qu'ils sont les plus susceptibles de faire ensuite.

Le réseau neuronal est basé sur le réseau de mémoire à long terme et s'inspire de la biomécanique de la marche humaine, par exemple, la symétrie miroir/bilatérale du corps humain et la périodicité de la marche humaine.

Quelle est sa précision ?

Les résultats des réseaux de neurones étaient assez impressionnants :l'erreur de traduction médiane était d'environ 10 centimètres après 1 seconde et de moins de 80 centimètres après 6 secondes. Alors que d'autres techniques similaires étaient jusqu'à 700 centimètres de distance.

Pour rendre le réseau plus efficace, l'équipe a mis plusieurs contraintes physiques qui s'appliquent au corps humain, telles que la vitesse de marche/course la plus rapide possible ou l'incapacité de voler, afin que le système n'ait pas à calculer chaque prochain mouvement possible.

Ils ont utilisé deux GPU NVIDIA TITAN X, avec le framework d'apprentissage en profondeur CUDA, pour former le réseau de neurones sur l'ensemble de données PedX qui inclut des intersections réelles dans le Michigan.

Il a été implémenté en Python 3.6 et il faut environ 1 milliseconde pour prédire la prochaine étape de chaque personne dans chaque image. Selon les chercheurs, le code peut être encore optimisé pour obtenir de meilleurs résultats.

Lire :Un nouvel algorithme de véhicule autonome peut changer de voie de manière agressive

L'IA peut élever la barre de ce dont les voitures sans conducteur sont capables. En outre, cela peut être bénéfique pour les études de la marche des robots bipèdes et peut être appliqué au développement de systèmes cliniques de rééducation de la marche.