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

人类的决策过程有自己的层次，这也意味着为了实现短期和长期目标，会涉及多个层次的推理和不同的规划策略。在过去的十年中，越来越多的计算机科学家一直在开发能够复制人类决策过程的计算工具和技术，以便机器人、自动驾驶汽车或其他设备能够更快、更高效地做出决策，这对于自动驾驶汽车等机器人系统尤为重要，因为它们的行为将直接影响人类的安全。

洛基数据集(来源:本田)

据外媒报道，本田美国研究所和本田R&D中心(Honda R & amp；d)和加州大学伯克利分校(UC Berkeley)最近编制了一个数据集LOKI，可用于训练一个模型，该模型可以预测道路上行人和车辆的轨迹。该数据集包含不同物体的图像(如行人、自行车、汽车等。)在街上从司机的角度来看，这些图像都经过了仔细的标记。

研究人员Chiho Choi表示:“在我们最近的论文中，我们建议对道路上不同物体的长期目标和短期目标进行清晰的推理，以预测它们在不同驾驶场景下的未来轨迹。我们把长期目标定义为对象在给定的预测范围内想要达到的最终位置，意在参考对象如何实现目标。”

Choi和他的同事认为，对于机器学习技术来说，为了高效地预测交通对象的轨迹，考虑短期和长期目标的复杂层次结构是非常重要的。基于对象的预测行为，该模型可以有效地规划机器人或车辆的运动。

因此，研究人员开始开发一种架构，可以将短期和长期目标作为逐帧意图预测的关键组成部分。然后，这种考虑的结果将影响轨迹预测模块。

Choi解释说:“想象一下，车辆处于十字路口，它想要实现左转的最终目标。在推断道路物体的行动意图是左转时，不仅要考虑物体的动力学，还要根据以下因素考虑其意图如何变化:I)物体自身的意愿，ii)社会交往，iii)环境限制，iv)周围情境线索。”

LOKI数据集包含数百幅RGB图像，这些图像描述了交通中的不同对象。每个图像都有一个相应的激光雷达点云，并为所有交通对象提供详细的逐帧标签。

这个数据集有三个唯一的标签。第一个是意图标签，它显示了参与者是如何决定通过一系列行动来实现既定目标的；第二类是环境标签，提供环境信息(如道路出入口位置、红绿灯、交通标志、车道信息等。)影响流量对象意向的；三是情境标签，也可能影响交通对象未来的行为，比如天气相关信息、路况、行人性别、年龄等。

除了编制LOKI数据集，Choi和他的同事还开发了一个模型，探索LOK数据集中考虑的因素如何影响交通对象的未来行为。该模型可以准确预测道路上不同交通对象的意图和轨迹，特别是考虑了以下因素的影响:I)对象自身的意愿，ii)社会互动，iii)环境限制，iv)周围情境信息对其短期行为和决策过程的影响。

研究人员在一系列测试中评估了该模型，发现其准确性比其他先进的轨迹预测方法高27%。未来，该模型可用于提高自动驾驶汽车的安全性和性能。此外，其他研究小组也可以使用LOKI数据集来训练自己的模型，从而预测道路上行人和车辆的轨迹。人类的决策过程有自己的层次，这也意味着为了实现短期和长期目标，会涉及多个层次的推理和不同的规划策略。在过去的十年中，越来越多的计算机科学家一直在开发能够复制人类决策过程的计算工具和技术，以便机器人、自动驾驶汽车或其他设备能够更快、更高效地做出决策，这对于自动驾驶汽车等机器人系统尤为重要，因为它们的行为将直接影响人类的安全。

洛基数据集(来源:本田)

据外媒报道，本田美国研究所和本田R&D中心(Honda R & amp；d)和加州大学伯克利分校(UC Berkeley)最近编制了一个数据集LOKI，可用于训练一个模型，该模型可以预测道路上行人和车辆的轨迹。该数据集包含不同物体的图像(如行人、自行车、汽车等。)在街上从司机的角度来看，这些图像都经过了仔细的标记。

研究人员Chiho Choi表示:“在我们最近的论文中，我们建议对道路上不同物体的长期目标和短期目标进行清晰的推理，以预测它们在不同驾驶场景下的未来轨迹。我们把长期目标定义为对象在给定的预测范围内想要达到的最终位置，意在参考对象如何实现目标。”

Choi和他的同事认为，对于机器学习技术来说，为了高效地预测交通对象的轨迹，考虑短期和长期目标的复杂层次结构是非常重要的。基于对象的预测行为，该模型可以有效地规划机器人或车辆的运动。

因此，研究人员开始开发一种架构，可以将短期和长期目标作为逐帧意图预测的关键组成部分。然后，这种考虑的结果将影响轨迹预测模块。

Choi解释说:“想象一下，车辆处于十字路口，它想要实现左转的最终目标。在推断道路物体的行动意图是左转时，不仅要考虑物体的动力学，还要根据以下因素考虑其意图如何变化:I)物体自身的意愿，ii)社会交往，iii)环境限制，iv)周围情境线索。”

LOKI数据集包含数百幅RGB图像，这些图像描述了交通中的不同对象。每个图像都有一个相应的激光雷达点云，并为所有交通对象提供详细的逐帧标签。

这个数据集有三个唯一的标签。第一个是意图标签，它显示了参与者是如何决定通过一系列行动来实现既定目标的；第二类是环境标签，提供环境信息(如道路出入口位置、红绿灯、交通标志、车道信息等。)影响流量对象意向的；三是情境标签，也可能影响交通对象未来的行为，比如天气相关信息、路况、行人性别、年龄等。

除了编制LOKI数据集，Choi和他的同事还开发了一个模型，探索LOK数据集中考虑的因素如何影响交通对象的未来行为。该模型可以准确预测道路上不同交通对象的意图和轨迹，特别是考虑了以下因素的影响:I)对象自身的意愿，ii)社会互动，iii)环境限制，iv)周围情境信息对其短期行为和决策过程的影响。

研究人员在一系列测试中评估了该模型，发现其准确性比其他先进的轨迹预测方法高27%。未来，该模型可用于提高自动驾驶汽车的安全性和性能。此外，其他研究小组也可以使用LOKI数据集来训练自己的模型，从而预测道路上行人和车辆的轨迹。

标签：本田发现

汽车资讯热门资讯