Igualar al humano (llegando al nivel 5) a la hora de conducir no es tarea fácil para un sistema autónomo. Además de mantenerse en el carril, el sistema debe ver todas las posibles opciones en el entorno para reaccionar a ellas correctamente. Con tal de hacerlo lo antes posible, Uber dice que ahora su sistema MultiNet también predice qué decisión van a tomar los peatones, los ciclistas u otros coches que se crucen con sus vehículos autónomos.
En un preprint publicado por Uber, los ingenieros de la compañía explican cómo funciona MultiNet. MultiNet es un sistema propio de la marca que se centra en detectar y predecir los movimientos de los objetos que se acerquen al vehículo autónomo. Para ello recoge datos con el LiDAR del coche y cruzándolos con otra información que tenga la IA es capaz de predecir al momento cuál es la trayectoria más plausible del objeto, así como elaborar un plan para ello.
Según explican, MultNet recoge información en alta definición del sensor LiDAR del vehículo para calcular dónde y cómo se está moviendo el objeto (ciclistas, peatones, coches...). Después consulta su base de datos y analiza cuál es la trayectoria más probable que va a seguir. así como otras posibles. Para ello tiene en cuenta diferentes factores, como por ejemplo el mapa del lugar en el que se encuentra o cómo han reaccionado previamente otros objetos en situaciones similares.
Los investigadores comentan que MultiNet ha sido entrenado con datos recogidos por los vehículos autónomos de Uber en 5.500 escenarios distintos a lo largo de varias ciudades norteamericanas. La flota de coches de Uber para la conducción autónoma lleva varios años operando en distintos puntos geográficos tanto para recopilar datos con los sensores LiDAR como para probar funciones que se están desarrollando. Lamentablemente, también ha sido responsable del primer accidente mortal por un vehículo autónomo.
Mejoras entre el 9% y el 13%
El sistema de conducción autónoma de Uber no es ni el primero ni el último en tratar de predecir la trayectoria de los objetos en el entorno. Esto es algo común y permite a los vehículos autónomos a mejorar la toma de decisiones al preparar posibles escenarios en los que reaccionar. Sin embargo, sí que parece mejorar con respecto a otros sistemas ya presentes. Indican que superó a otras opciones con una precisión de predicción entre el 9% y el 13% mejor.
Diferencias entre IntentNet (un sistema ya existente) y MultiNet (el nuevo sistema de Uber). En azul las posibles trayectorias y en rojo la trayectoria tomada. La fila de superior es IntentNet y la inferior MultiNet.A diferencia de otros sistemas, Uber dice que MultiNet se basa en la incertidumbre del comportamiento y el movimiento de los objetos. Dicen que MultiNet es capaz de deducir una predicción de un comportamiento y refinarla para obtener las trayectorias potenciales. En otras palabras, analizar cómo se está moviendo para aumentar las probabilidades de una opción frente a otra. Si por ejemplo un coche está reduciendo la velocidad es más probable que haga un giro de dirección en vez de que siga recto.
Vía | Venturebeat
Más información | arXiv
via Magazine - robotica-e-ia https://ift.tt/2YcbmoH
No hay comentarios:
Publicar un comentario