伸手挡汽车!机器学习教自动驾驶汽车看懂行人手势

简介: 伸手挡汽车!机器学习教自动驾驶汽车看懂行人手势

image.jpeg说起“自动驾驶”就不得不提到特斯拉,虽然它是目前全球最火的自动驾驶汽车公司,但交通事故却也发生了不下几十起,甚至还有不少致命案件。但这些并不能阻挡特斯拉的股价一路飙升,马斯克的身价甚至因为特斯拉暴涨了 300 多亿人民币。不仅是特斯拉,中国的小鹏、蔚来、理想等企业也在一路看涨。

这无疑反映了市场对自动驾驶技术认可和对其未来发展的看好。就像小鹏汽车的创始人曾说过的那样:“智能将是下一个汽车时代的分水岭。

智能替代人工最受重视的就是安全问题,尤其是开车上路这种需要对自己和他人生命安全都需要负责的领域。最近就有开发人员使用动作捕捉技术教会了无人驾驶汽车理解街上行人的肢体语言,提高自动驾驶的安全性。77.gif


智能驾驶要在事故发生前做出预判

智能驾驶包括了自动驾驶和无人驾驶两个概念,目前的技术还只能做到自动驾驶。自动驾驶汽车按照智能化程度分为从 L1-L5 五个级别,目前市面上主流的自动驾驶汽车还处于 L2、L3 的水平,就是驾驶员可以放开手脚由系统自动驾驶,但还必须时刻做好可以接手车辆控制的准备,有点像考驾照时坐在考生旁边的安全员,更多的是为了应对突发状况。

特斯拉的事故也多是因为驾驶员太过“信任”自动驾驶系统,在驾驶汽车时过于放飞自我,对路况不管不顾了。就像之前美国发生的一起特斯拉撞上警车的案件,就是司机在系统自动驾驶时一直在用手机看电影,没想到特斯拉没有识别出警车是停在路边的,直接撞了上去。

目前市面上的自动驾驶汽车,无论是特斯拉、小鹏、蔚来、理想等哪一种品牌,采用的主要还是视觉方案加上激光雷达来判断路况,其中除了观察车身外的情况,还有一种监控车内情况的视觉方案,通过判断驾驶员是否集中注意力提醒司机安全驾驶。

但等人的反应去应对突发情况等方案永远比意外的发生晚一步,更好的方法是在事故发生前就能做出预判。image.jpeg

如果马路正在维修,原本有四条车道的路面只有两条可以通行了,当工人站在警示牌前对来车做出“转到另一条车道”的手势,基本所有的司机都能看懂,不需要停下来询问情况才能走到正确的路线。但是这对自动驾驶系统来说是很难判定的,前方既没有大型障碍物遮挡,也没有行人穿过马路,它有很大的概率就直接按照系统判断的正确路线行驶。这种情况会使自动驾驶汽车停在其轨道上,他可以理解停车的标志,但无法理解指路的手势。

无论是驾驶人员还是自动驾驶系统,每天都面临着这种以及更为复杂的情况。比如行人一边伸出手示意司机一边想要穿过马路,驾驶员就很容易理解这种手势的意思,放慢行驶速度让行人通过。


机器学习模型判断行人手势

在不中断交通流的情况下安全、无缝的应对这些挑战,要求汽车的自动驾驶系统了解这些用于指导驾驶员应对意外情况的常见手势。一组开发人员受到了启发,使用动作捕捉技术教自动驾驶汽车学习行人的手势来判断如何行驶。

对可能造成危险的车辆做出手势和肢体语言的表达,是人们不假思索地做出的反应信号,这种反应给计算机系统提出了挑战。

开发人员依靠机器学习来提高车辆识别实际情况做出应急处理的能力,他们选择了每天在美国最复杂的地形环境运行车辆进行数据收集,模型的学习速度很快。

但目前全世界还没有一套标准的手势适用于行人与马路上行驶着的汽车之间的交流。开发人员不得不从不同的角度和距离,以及在不同的光照条件下识别出每种情况,通过不同的条件组合进行尽可能多的学习,但这种方式可能会花费好几年的经历。image.jpeg

为了扩大学习范围,并提高学习效率,开发人员找到了一种解决数据缺口的创新解决方案:手势的运动捕捉。游戏开发人员创建角色,通过模拟真实世界为机器学习模型提供训练数据集。

开发团队面临的另一个挑战是,自动驾驶系统可能会将行人的某些动作误解为对系统的命令,比如行人在向对面的朋友挥手,或者抬起手臂遮挡阳光。为了解决这些问题,开发人员最终确定了手势传达的 5 个关键信息,包括停止、前进、左转、右转以及“无关”。


自动驾驶上路还有很多挑战

自动驾驶技术势必会给汽车市场带来颠覆性的改变,但目前仍停留在 L2、L3 级别的技术离真正的无人驾驶还有一段距离。

自动驾驶汽车进行运动捕捉数据训练能更好地适应城市驾驶情况。但训练自动驾驶汽车了解手势只是一个开始,这些系统不仅需要能够检测人的基本动作,还需要能检测更多东西。人们用来传递信息的手势并不统一,这些训练数据集也不止包括目前这些动作,还有很多数据集正在训练,而且在持续补充当中。开发团队也正在通过训练系统理解人类携带或推动其他物体的概念,比如推着自行车的人,因为推着或者骑着自行车的人做出的动作通常与步行的行人是不同的。

开发团队还招募了五名不同身体特征的志愿者为系统进行了校准,从手势的幅度、强度、单手还是双手进行了多角度的测试。


十年后,中国有望成为全球最大的自动驾驶市场

从不断走高的自动驾驶汽车的交付量可以看出,自动驾驶汽车市场正在形成大红海。

今年 7 月,特斯拉发布的财报显示,其在中国市场第二季度的销售收入为 14 亿美元,同比增长了  近 103%。随着小鹏、长城、理想等自动驾驶汽车企业也开始逐渐进行智能化产业升级。交付数据并不亮眼的小鹏之所以一在美股开盘就大涨了 60%,关键就在于它在智能汽车领域的明确路线。

2019 年年底,麦肯锡还曾作出预测,称中国将成为全球最大的自动驾驶市场,到 2030 年,自动驾驶相关的新车销售及出行服务创收将超过 5000 亿美元。无人驾驶汽车将改我们未来的生活方式,创造性的技术将使自动驾驶汽车更好的仔城市中生存。

相关文章
|
5月前
|
机器学习/深度学习 自动驾驶 TensorFlow
【机器学习】卷积神经(CNN)在图像识别中的革命性应用:自动驾驶的崛起
【机器学习】卷积神经(CNN)在图像识别中的革命性应用:自动驾驶的崛起
116 1
|
5月前
|
机器学习/深度学习 算法 数据挖掘
【机器学习】重塑汽车设计与制造:实例与代码探索
【机器学习】重塑汽车设计与制造:实例与代码探索
166 0
|
6月前
|
机器学习/深度学习 传感器 自动驾驶
【Python机器学习专栏】深度学习在自动驾驶中的应用
【4月更文挑战第30天】本文探讨了深度学习在自动驾驶汽车中的应用及其对技术发展的推动。深度学习通过模拟神经网络处理数据,用于环境感知、决策规划和控制执行。在环境感知中,深度学习识别图像和雷达数据;在决策规划上,学习人类驾驶行为;在控制执行上,实现精确的车辆控制。尽管面临数据需求、可解释性和实时性挑战,但通过数据增强、规则集成和硬件加速等方法,深度学习将持续优化自动驾驶性能,并在安全性和可解释性上取得进步。
161 0
|
机器学习/深度学习 人工智能 自动驾驶
机器学习如何赋能自动驾驶汽车
配备机器学习算法的自动驾驶汽车可以做出更好的决策、识别和分类物体,以及解释情况。
112 0
机器学习如何赋能自动驾驶汽车
|
机器学习/深度学习 数据可视化
机器学习实战三: 预测汽车油耗效率 MPG
机器学习实战三: 预测汽车油耗效率 MPG
机器学习实战三: 预测汽车油耗效率 MPG
|
机器学习/深度学习 Web App开发 人工智能
30个免费资源:涵盖机器学习、深度学习、NLP及自动驾驶
本文是一份免费资源清单,涵盖机器学习、深度学习、NLP、AI以及自动驾驶,方便相关研究者选择自己感兴趣的内容资源进行学习
5437 0
|
6月前
|
机器学习/深度学习 存储 搜索推荐
利用机器学习算法改善电商推荐系统的效率
电商行业日益竞争激烈,提升用户体验成为关键。本文将探讨如何利用机器学习算法优化电商推荐系统,通过分析用户行为数据和商品信息,实现个性化推荐,从而提高推荐效率和准确性。
236 14
|
6月前
|
机器学习/深度学习 算法 数据可视化
实现机器学习算法时,特征选择是非常重要的一步,你有哪些推荐的方法?
实现机器学习算法时,特征选择是非常重要的一步,你有哪些推荐的方法?
114 1
|
6月前
|
机器学习/深度学习 算法 搜索推荐
Machine Learning机器学习之决策树算法 Decision Tree(附Python代码)
Machine Learning机器学习之决策树算法 Decision Tree(附Python代码)
下一篇
无影云桌面