VERSES와 볼보 자동차는 자율주행차를 보행자에게 더욱 안전하게 만드는 것을 목표로 합니다.

자율주행차는 도로에 진입하는 사람들을 예측하고 반응할 수 있어야 합니다. VERSES AI Inc.는 오늘 해당 주제에 대한 Genius 베타 파트너 협력의 초기 결과를 발표했습니다. 인지 컴퓨팅 회사는 Volvo Cars와 VERSES의 연구팀이 공동으로 작성한 논문을 발표했습니다.

이 논문에서는 VERSES의 알고리즘을 사용하여 정지 차량과 물체 뒤에 가려져 있는 보행자, 자전거 타는 사람, 자동차의 모습을 예측하는 방법을 설명했습니다. 두 회사는 이 논문이 현재의 능력을 넘어서는 발전을 나타낸다고 주장했습니다. 자율주행차 그리고 인공지능.

VERSES의 CEO인 Gabriel René는 “자동차 산업이 완전 자율 자율주행차를 향해 발전함에 따라 사람이나 자전거 운전자와 같은 보이지 않는 장애물이 어디에 있을지, 어떤 궤적에 있을지 예측하는 것은 중요한 미해결 안전 과제였습니다.”라고 말했습니다.

“우리는 현재의 자율주행 시스템이 이 장애물을 극복할 수 없다는 것이 전 세계 AV 산업을 방해하고 있다고 믿습니다.”라고 그는 덧붙였습니다. “볼보자동차는 차량 안전에 대한 변함없는 노력으로 세계적으로 인정받고 있습니다. 따라서 그들은 VERSES가 이 문제를 해결하는 데 어떻게 도움이 될 수 있는지 보여주기 위해 함께 일할 수 있는 완벽한 파트너였습니다.”

VERSES는 운전의 불확실성을 다룹니다.

그만큼 종이“불확실성 하에서의 내비게이션: 동적 시스템 전환을 통한 궤적 예측 및 폐색 추론”이라는 제목으로 차량이 예기치 않게 거리에 진입할 경우 차량이 사람을 피할 수 있도록 돕는 방법을 탐구합니다. 이는 다음을 사용하여 기능을 보여주는 완료된 실험을 제시합니다. Waymo 공개 데이터세트.

VERSES AI와 볼보.

VERSES는 물리학과 생물학에서 발견된 첫 번째 원리를 중심으로 인지 컴퓨팅 시스템을 설계하고 있다고 말했습니다. 로스앤젤레스를 기반으로 한 회사 자사의 주력 제품인 Genius는 개발자가 추론, 계획, 학습 능력을 통해 기존 애플리케이션을 향상시키는 지능형 소프트웨어 에이전트를 생성할 수 있는 툴킷이라고 주장했습니다.

프레임워크는 어떻게 작동하나요?

특히 폐쇄된 상태에서 근처 물체의 미래 궤적을 예측하는 것은 자율 주행 및 안전한 로봇 탐색에 있어 중요한 작업입니다. 연구원들은 이전 연구들이 일반적으로 가려진 물체에 대한 불확실성을 유지하는 것을 무시했다고 말했습니다. 대신 그들은 대규모 데이터 세트에 대해 훈련된 변환기와 같은 고용량 모델을 통해 관찰된 물체의 궤적만 예측했습니다.

VERSES에 따르면 이러한 접근 방식은 표준 시나리오에서는 효과적이지만 안전이 중요한 롱테일 시나리오로 일반화하는 데 어려움을 겪을 수 있습니다. 이것이 동일한 클래스의 구조화된 확률 생성 모델, 즉 동적 시스템 전환에서 궤적 예측과 폐색 추론을 통합하는 개념적 프레임워크를 탐색하기 시작한 이유입니다.

팀은 객체 궤적과 폐색에 대한 추론을 단일 프레임워크에 결합하는 것을 목표로 했습니다. 그들은 복잡한 연속 동역학의 모델링을 전환 변수에 의해 조정되는 단순 동역학의 유한 세트/혼합으로 나누는 스위칭 동적 시스템이라는 구조화된 확률 모델 클래스를 사용하여 이를 수행했습니다.

이 모델 클래스의 주요 매력은 계층적 구성이 프로토타입 기반 궤도 예측과 객체 중심 폐색 추론 모두로 일반화되는 통합 표현을 제공한다는 것입니다. 궤적 예측의 경우 전환 변수는 모델링된 객체에 의해 선택된 의도 또는 동작 프리미티브를 나타내며, 여기서 선택된 의도의 실행은 로컬 역학의 어트랙터에 의해 규정된 궤적을 생성합니다.

폐색 추론의 경우 전환 변수는 물체의 존재를 나타내며 이는 다시 장면 기하학과 결합하여 감각 측정의 예측을 변조합니다.”라고 René는 말했습니다. “이 통합되었지만 구조화된 프레임워크의 잠재적인 이점은 효율적인 추론 및 학습 알고리즘을 사용할 수 있으면서도 장면 기하학과 같은 특정 중요 구성 요소를 수동으로 지정할 수 있다는 것입니다.”

팀은 Waymo 데이터 세트를 사용하여 움직임을 예측합니다.

이 프레임워크의 타당성을 입증하기 위해 VERSES와 볼보 팀은 웨이모 폐쇄된 교통 상황에서 차량과 보행자의 움직임을 예측하기 위한 오픈 모션 데이터세트입니다.

궤적 예측을 위해 팀은 몇 가지 절제에 대해 모델의 예측 정확도와 불확실성 보정을 비교했습니다. 폐색 추론을 위해 잠재적으로 폐색된 보행자 위치에 대한 모델의 예측을 시각화하여 시간이 지남에 따라 불확실성이 어떻게 유지되는지 보여줍니다.

팀은 두 작업이 모두 동일한 프레임워크에 포함될 수 있으면서도 분할 정복 접근 방식으로 해결할 수 있음을 보여주었습니다. 실험 결과에 따르면 동일한 정보를 조건으로 했을 때 폐쇄 루프 rSLDS 모델이 더 높은 예측 정확도와 불확실성 보정을 달성한 것으로 나타났습니다.

“우리는 Genius 베타 프로젝트의 일부인 볼보자동차와 함께한 이 연구 프로젝트가 자율주행차 안전 기능의 주요 발전을 입증한다고 믿습니다. 우리는 이 연구 프로젝트가 보행자, 자전거 타는 사람, 자동차, 로봇 등을 위한 보다 안전한 거리를 위한 길을 열 것으로 기대합니다.”

VERSES는 예측 정확도를 높이고 이 모델 계열에 특히 적합한 효율적인 추론 알고리즘을 구현하기 위해 도로 그래프와 같은 보조 정보를 통합할 계획이라고 밝혔습니다.

게시물 VERSES와 볼보 자동차는 자율주행차를 보행자에게 더욱 안전하게 만드는 것을 목표로 합니다. 처음 등장한 로봇 보고서.