Yapay Zeka, Araçların Gelecekteki Yerini Tahmin Edebiliyor

Honda, Michigan Üniversitesi ve Indiana Üniversitesi’nden araştırmacılar, yol kavşaklarındaki araçların izlerini tahmin edebilen bir derin öğrenme sistemi geliştirdiler.

Araştırmacılar, makalelerinde “Güvenli sürüş için, sadece yakındaki nesneleri doğru bir şekilde tanımlamak ve bulmak değil, aynı zamanda gelecekteki yerlerini ve eylemlerini de öngörerek çarpışmaları önlemek için yeterli zamanın olmasını gerek.” diyor. Ekip, “Çalışmamız, gelecekteki araç konumlandırmanın egosantrik görünüm ve kavşaklar gibi zorlayıcı senaryolara meydan okuyan sorunlarını ele alan ilk çalışmadır.” dedi.

NVIDIA Tesla P100 GPU’ları kullanarak, cuDNN ile hızlandırılmış Keras ve TensorFlow derin öğrenme kütüphaneleri ile araştırmacılar kavşaklarda, çeşitli senaryolardan toplanan, birinci kişiden bakış açılı videolardan oluşan yeni bir veri setinde, bir yinelemeli sinir ağını (RNN) eğitmişlerdir. Veri seti, 2.400’den fazla araçtan alınan 230 video içeriyor.

Araştırmacılar, “Geçitli yinelemeli birim GRU’yu temel RNN hücresi olarak kullanıyoruz. Araştırmacılar, uzun kısa süreli belleğe (LSTM) kıyasla, GRU’nun daha az parametresi var, bu da performansı etkilemeden daha hızlı hale getiriyor.” diyor.

Metotları genellikle iyi performans gösterse de, düzensiz yol yüzeyleri ve görüşü engelleyen yayalar performansı kötü etkileyebilir. Ekip, gelecekteki çalışmaların, trafik sahnelerini ve trafik katılımcıları arasındaki ilişkiyi daha iyi modelleyerek bu tür hataları önleyebileceğini söyledi.

Araştırmacılar, “Gelecekteki çalışmalar, olay / durum içeriğinden, trafik işaretlerinden / sinyallerden, derinlik verisinden ve diğer araç-çevre etkileşimlerininden elde edilen bulguları içermektedir. Araç-araç ve araç-yaya etkileşimi gibi sosyal ilişkilerin de bu çalışmalara dahil edilmesi düşünülebilir.” ifadesini belirtti.

Çalışma, ArXiv‘de yayınlandı.

Kaynak: Nvidia Developer News Center