Waymo發(fā)布全新AI模型，以提高無人駕駛系統(tǒng)預測能力

（文章來源：蓋世汽車）

據(jù)外媒報道，日前，Waymo發(fā)布了人工智能模型VectorNet，據(jù)稱能顯著提高其無人駕駛系統(tǒng)預測行人、騎行者和駕駛員行為的能力。與以前的方法相比，VectorNet可提供更精確的投影，同時需要更少的計算資源。

自動駕駛汽車必須在沒有人類監(jiān)督的情況下在充滿挑戰(zhàn)的環(huán)境中行駛，因此預測道路使用者的未來位置至關(guān)重要，否則，車輛無法正確應對各種環(huán)境。VectorNet旨在通過構(gòu)建模型，對地圖信息進行編碼，從而幫助預測道路使用者的移動。與Cruise和Aurora一樣，Waymo也會收集自動駕駛汽車行駛區(qū)域的精確到厘米的高清地圖。

這些地圖與傳感器數(shù)據(jù)配對，可為Waymo全棧無人駕駛系統(tǒng)Waymo Driver提供情境。但是這些地圖只有被渲染成圖像，并利用場景信息（如交通燈、車道等）編碼后，才能集成到預測模型中。與需要計算昂貴進行地圖像素渲染的卷積神經(jīng)網(wǎng)絡(luò)不同，VectorNet以矢量的形式（以數(shù)學方程為基礎(chǔ)，由點、線和曲線組成的示意圖）提取地圖和傳感器輸入信息。

Waymo使用矢量，如點、多邊形和曲線，來表示道路特征。具體而言，車道邊界包含多個點，形成一個樣條線（即曲線疊加在一起形成更長的連續(xù)曲線）。人行橫道是由至少兩個點組成的多邊形，停車標志則由一個點表示。這些地理實體可以通過由點及其屬性組成的折線（連接的線段）來近似表示，而移動的道路使用者可以根據(jù)其運動軌跡折線來估算。

圖神經(jīng)網(wǎng)絡(luò)直接在圖形或由節(jié)點和邊緣組成的數(shù)學對象上運行。而在分層神經(jīng)網(wǎng)絡(luò)VectorNet中，每個矢量都被當作一個節(jié)點，地圖數(shù)據(jù)以及道路使用者的軌跡將被傳遞給網(wǎng)絡(luò)中的目標節(jié)點。與目標道路使用者對應的特定輸出節(jié)點用于解碼運動軌跡。

VectorNet首先獲取折線級別的信息，然后將其傳遞給圖形，以建模折線之間的高階交互。VectorNet計算物體的未來軌跡，并捕捉矢量之間的關(guān)系，比如當車輛駛?cè)胧致房诨蛐腥私咏诵袡M道時，從而更好地預測道路使用者的行為。

為了進一步提升VectorNet的預測能力，Waymo訓練系統(tǒng)從情境線索中學習，從而推斷車輛附近可能發(fā)生的事情。在訓練時，該公司研究人員隨機遮擋地圖的特征，例如十字路口的停車標志，并要求VectorNet完成丟失的元素。在將VectorNet用于Waymo的數(shù)據(jù)集和Argo AI的Argoverse的驗證測試中，與卷積神經(jīng)網(wǎng)絡(luò)ResNet-18相比，其性能高出18%，同時平均僅使用29%的參數(shù)（變量），消耗20%的計算資源。
? ? ? （責任編輯：fqj）