El nuevo y actualizado sistema de predicción de movimiento está diseñado para evitar nuevos accidentes con sus coches autónomos
06.06.2020 • 14:31hs • Nueva plataforma
Nueva plataforma
Los coches autónomos de Uber prometen predecir las trayectorias de vehículos, peatones y ciclistas
/https://assets.iproup.com/assets/jpg/2020/06/10164.jpg)
Investigadores de Uber publicaron un documento en el que explican la inteligencia artificial de su modelo de conducción autónoma. Conocido como MultiNet, este sistema puede predecir el movimiento de vehículos y peatones para evitar accidentes. De acuerdo con los científicos, la importancia de este avance permite a un coche capturar el rango de posibilidades de actores externos y modular un comportamiento en consecuencia.
MultiNet se vale de los datos de entrada del sensor Lidar y mapas de las calles para aprender las trayectorias. El sistema cuenta de dos etapas: la primera detecta a los actores y predice su movimiento unimodal. La segunda refina las predicciones para que sea multimodales y conscientes de la incertidumbre.
/https://assets.iproup.com/assets/public/images/lazyload.gif)
El nuevo sistema aumentaría considerablemente la tasa de detecciones positivas
La etapa de refinación es importante, puesto que el comportamiento del tráfico es multimodal. El vehículo autónomo se enfrenta a actores que pueden tomar una de varias decisiones en cualquier momento. Los investigadores determinan que modelar este comportamiento es crucial en el campo de la conducción autónoma.
Para probar su eficacia, MultiNet se entrenó con un conjunto de datos que incluye lecturas de más de 5.500 escenarios recopilados por los coches autónomos de Uber. En la información proveniente de los sensores Lidar, otros vehículos representan los obstáculos principales a modelar, aunque también se analizó el comportamiento de peatones y ciclistas.
MultiNet predice correctamente el comportamiento a lo largo de una trayectoria
Así es como el sistema "ve" su entorno
De acuerdo con los resultados, este sistema estima los posibles movimientos de los obstáculos a lo largo de una ruta. En uno de los ejemplos, MultiNet predijo correctamente el comportamiento de un coche al realizar un giro a la derecha en una intersección, así como un viraje hacia la izquierda sin considerar al vehículo autónomo.
Los investigadores de Uber dijeron que el sistema es mucho más preciso que IntentNet, otro modelo de predicción basado en datos obtenidos del sensor. MultiNet ofrecería mejoras entre el 9% y 13% en el sistema de detección que se integra en los vehículos autónomos y representaría un beneficio a futuro para evitar accidentes.
Se desconoce el curso que seguirá la empresa con su iniciativa de vehículos autónomos. Hace unas semanas se anunció que Uber reajustará la estrategia para enfocarse en el delivery y los servicios de transporte de pasajeros. La incubadora de productos y su laboratorio de inteligencia artificial cerrarán, mientras que la división de conducción autónoma será revaluada, indicó Hipertextual.
