在自动驾驶汽车中提升人性感知

我是斜杠青年，一个热爱前沿科技的“杂食性”学者！

即使环境的某些部分被其他物体遮挡，移动的机器人如何正确感知和理解环境？这是自动驾驶车辆在拥挤的大城市安全导航必须解决的关键问题。虽然人类即使部分被遮挡，也可以想象物体的完整物理结构，但现有的人工智能（AI）算法使机器人和自动驾驶汽车能够感知其环境，但并不具备这种能力。

拥有人工智能的机器人一旦了解了自己的环境是什么样子，他们就可以自己找到自己的路和导航了。然而，当物体部分隐藏时，感知它们的整个结构，例如人群中的人或交通堵塞中的车辆，一直是一个重大挑战。弗莱堡机器人研究人员教授现在已经朝着解决这个问题迈出了重要一步。阿比纳夫·瓦拉达博士和弗莱堡大学机器人学习实验室的博士生Rohit Mohan，他们在两份联合出版物中介绍了这些内容。

两位弗莱堡科学家开发了非多式泛光分割任务，并使用新的人工智能方法证明了其可行性。到目前为止，自动驾驶车辆一直使用泛光分割来了解周围的环境。

这意味着到目前为止，他们只能预测图像的哪些像素属于物体的哪些“可见”区域，如人或汽车，并识别这些物体的实例。到目前为止，他们所缺乏的是，即使物体被旁边的其他物体部分遮挡，它们也能够预测物体的整个形状。通过非模态泛光分割感知的新任务使这种对环境的整体理解成为可能。

“Amodal”是指对对象的任何部分遮挡都必须抽象化的情况，而不是将它们视为碎片，而应该普遍理解将其视为整体。因此，这种视觉识别能力的提高将导致在提高自动驾驶车辆安全性方面取得巨大进展。

革命性城市视觉场景理解的潜力

在IEEE/CVF计算机视觉和模式识别会议上发表的一篇新论文（作为预印本在线提供）中，研究人员将新任务添加到既定的基准数据集中，并公开发布。他们现在呼吁科学家用自己的人工智能算法参与基准测试。

这项任务的目标是对道路、植被、天空等无定形背景类的可见区域进行像素语义分割，并对汽车、卡车和行人等可数类别的可见和遮蔽对象区域进行实例分割。

基准和数据集可在网站上公开获得，包括两种拟议的新型学习算法。Valada表示：他们相信，这项任务的新人工智能算法将使机器人能够通过感知物体的完整物理结构来模拟人类的视觉体验。

“单峰全景分割将极大地帮助下游自动驾驶任务，其中遮挡是一项重大挑战，如深度估计、光流、物体跟踪、姿势估计、运动预测等。有了更先进的人工智能算法来完成这项任务，自动驾驶汽车的视觉识别能力可以彻底改变。例如，如果始终感知到道路使用者的整个结构，无论部分堵塞，事故风险都可以大大降低。”

此外，通过推断场景中物体的相对深度排序，自动车辆可以做出复杂的决定，例如朝哪个方向移动，以获得更清晰的视图。为了实现这些愿景，在布鲁塞尔AutoWorld博物馆举行的AutoSens向领先的汽车行业专业人士展示了这项任务及其好处。

另一篇论文发表在IEEE机器人和自动化信件中。

了解最新前沿科技，关注我就是你最好的选择！