“本田推出LOKI数据集可训练模型 以预测行人与车辆的行进轨迹”

世界汽车新闻人类的决策过程本身有一个层面，这意味着为了实现短期和长期的目标，涉及多个层面的推理和不同的规划战略。 在过去的十年里，更多的计算机科学家开发了能够复制人类决策过程的计算工具和技术。 使机器人、自动驾驶车或其他设备能够更快、更有效率地做出决定。 这几个对于自动驾驶车等机器人系统来说特别重要。 为什么这么说呢，因为那个行动直接影响到人类的安全。

loki数据集(图像源:本田) ) ) ) )。

据外国媒体报道，本田美国研究所( honda research institute u.s.)、本田研究开发中心) honda r&； d )和美国加州大学伯克利分校( uc berkeley )最近制作了数据集loki，用于训练可以预测路上行人和车辆前进道路的模型。 该数据集包含从驾驶者的角度拍摄的各种对象(行人、自行车、汽车等)的图像，图像上被仔细标记。

研究人员chiho choi说:“我们最近的论文建议确定推理出道路上不同对象的长时间目标和短期目标，以预测未来在不同驾驶场景中的发展方向。 我们将长时间目标定义为对象想在给定的预测范围内到达的最终位置，其目的是指该对象如何实现目标。 ”

choi及其同事认为，要有效预测交通对象的前进道路，对于机器学习技术来说，考虑到短期和长时间目标的多样性和复杂性的层次结构很重要。 根据预测的对象行为情况，该模型可以有效地规划机器人和车辆的运动。

为此，研究者着手开发以短期目标和长时间目标为逐帧意图预测的重要组成部分的体系结构。 而且，这种考虑结果会影响痕迹预测模块。

choi先生说:“请想想汽车位于十字路口，要达到左转的最终目的。 如果推论道路对象的动作意图为左转，则不仅要考虑对象的移动，还要考虑其意图如何根据I )对象自身的意图，ii )社会交互，iii )环境限制，iv )周围的状况线索而变化 ”

loki数据集包含数百张rgb图像，描绘了交通中不同对象的情况。 每个图像都有相应的激光雷达点云，为所有交通对象提供详细的逐帧标签。

数据集有三个独特的标签。 第一个是意图标签，表示参加者如何通过一系列的行动决定来实现既定目标；第二个是环境标签，提供影响交通对方意图的环境新闻(例如道路出口/道路入口位置、交通信号、交通标志、车道新闻等)；第三个是情境新闻

除了制作loki数据集外，choi及其同事还开发了探索lok数据集考虑的因素如何影响交通对方未来行为的模型。 该模型可以准确预测不同交通对方在道路上的意图和前进道路，特别考虑以下因素的影响I (对方自身意愿，ii )社会交往，iii )环境限制，iv )周围情况新闻对短期行为和决策过程的影响。

研究人员通过一系列测试判断了该模型，发现其准确性比其他先进的轨迹预测方法高27%。 将来，该模型可以用于提高自动驾驶车的安全性和性能。 另外，其他研究小组还可以使用loki数据集训练自己的模型，预测道路上行人和车辆的前进道路。