據(jù)外媒2月14日報道，美國密歇根大學科學家們正利用人類的步態(tài)、身體對稱性和足部位移，教授自動駕駛汽車識別和預測行人的行動，其精確度要高于現(xiàn)有技術。

　　據(jù)悉，汽車通過攝像頭、激光雷達和全球定位系統(tǒng)(GPS)收集到的數(shù)據(jù)，可以使研究人員能夠捕捉到人類活動的視頻片段，然后在三維(3D)計算機模擬中再現(xiàn)它們。在此基礎上，科學家們創(chuàng)造了一個“生物力學啟發(fā)下的循環(huán)神經(jīng)網(wǎng)絡”，用于對人類運動進行分類。

　　據(jù)研究人員稱，他們通過利用循環(huán)神經(jīng)網(wǎng)絡預測距離汽車約50碼處的一個或幾個行人的動作及其未來位置，該網(wǎng)絡相當于一個城市交叉路口的規(guī)模。汽車要想擁有必要的預測能力，需要利用循環(huán)神經(jīng)網(wǎng)絡深入研究人類動作細節(jié)，其中包括人類步態(tài)的節(jié)奏(周期性)、四肢的鏡像對稱性，以及走路時腳的位置對人體穩(wěn)定性的影響。

　　密歇根大學機械工程助理教授Ram VasudEVAn說：“此前在這一領域的研究通常只關注靜態(tài)圖像，并不關注人們?nèi)绾卧谌S空間中運動。然而，如果這些汽車要在現(xiàn)實世界中運作和互動，我們需要確保對行人所在位置的預測與車輛的下一步走向不一致。行人的動作和他們遙望的地方可以告訴你他們的注意力水平程度，也能告訴你他們下一步即將做什么。”

　　大部分將自動駕駛技術提升至目前水平的機器學習算法，都涉及二維圖像—即靜態(tài)照片。如果一臺電腦展示了數(shù)百萬張的停車標志照片，最終它將能夠在現(xiàn)實世界中實時識別出停車標志。然而，通過利用運行數(shù)秒的視頻片段，系統(tǒng)可以研究視頻片段的前半部分來進行預測，然后用后半部分來驗證準確性。

　　最終，研究結(jié)果表明，這種新系統(tǒng)提升了無人駕駛汽車預測未來最有可能發(fā)生情況的能力，有利于提高自動駕駛汽車的安全性。