根據一項新研究，一種新的機器學習系統有朝一日可能會幫助無人駕駛汽車實時預測附近司機、行人和騎自行車者的下一步行動。
人類可能是完全自主的車輛在城市街道上運行的最大障礙之一。如果機器人要引導車輛安全地通過波士頓市中心，它必須能夠預測附近的司機、行人和騎自行車的人接下來會做什麼。
然而，行為預測是一個艱難的問題，目前的人工智能解決方案要麼過於簡單（他們可能假設行人總是走在一條直線上），要麼過於保守（為了避開行人，機器人只是把車留在停車場），要麼只能預測一個道路使用者的下一步行動（道路通常同時承載許多用戶）。
麻省理工學院（MIT）的研究人員為這個複雜的挑戰設計了一個看似簡單的解決方案。他們將多個道路使用者的行為預測問題分成小塊，並單獨解決每個問題，因此計算機可以實時解決這一複雜的任務。
他們的行為預測框架首先猜測兩個道路使用者之間的關係–哪輛汽車、騎自行車的人或行人擁有通行權，哪個道路使用者會讓路–並利用這些關係來預測多個道路使用者的未來軌跡。
與自動駕駛公司Waymo編製的巨大數據集中的真實交通流相比，這些估計的軌跡比其他機器學習模型的軌跡更準確。麻省理工學院的技術甚至超過了Waymo最近發布的模型。而且，由於研究人員將問題分解成更簡單的部分，他們的技術使用的內存更少。
“這是一個非常直觀的想法，但之前沒有人充分探索過，而且效果相當好。簡單性絕對是一個優點。我們正在將我們的模型與該領域的其他最先進的模型進行比較，包括該領域的領先公司Waymo的模型，我們的模型在這個具有挑戰性的基準上取得了頂級的性能。這在未來有很大的潛力，”研究共同牽頭人黃昕（音譯）說，他是航空和航天系的研究生，也是航空和航天系教授、計算機科學和人工智能實驗室（CSAIL）成員Brian Williams實驗室的研究助理。
與黃昕和 Williams一起撰寫論文的還有來自中國清華大學的三位研究人員：共同第一作者孫橋、顧俊如和資深作者趙行。該研究將在計算機視覺和模式識別會議上發表。
多個小模型
研究人員的機器學習方法被稱為M2I，它需要兩個輸入：在交通環境（如四通八達的十字路口）中互動的汽車、自行車和行人的過去軌跡，以及一張包含街道位置、車道配置等的地圖。
利用這些信息，一個關係預測器推斷出兩個道路使用者中哪一個先擁有路權，將一個人歸類為通行者，一個人歸類為讓路者。然後，一個被稱為邊際預測器的預測模型猜測過路者的軌跡，因為這個代理人的行為是獨立的。
第二個預測模型，被稱為條件預測器，然後根據經過的代理人的行為，猜測屈服的代理人會做什麼。該系統預測出讓者和傳遞者的一些不同軌跡，單獨計算每個軌跡的概率，然後選擇發生可能性最大的六個聯合結果。
M2I輸出一個預測，即這些道路使用者在未來8秒內將如何在交通中移動。在一個例子中，他們的方法使一輛車減速，以便行人能夠過馬路，然後在他們清除了交叉路口后加速。在另一個例子中，車輛在從一條小街轉入一條繁忙的主幹道之前，一直等待幾輛車通過。
雖然這項初步研究的重點是兩個道路使用者之間的互動，但M2I可以推斷出許多道路使用者之間的關係，然後通過連接多個邊際和條件預測器來猜測他們的軌跡。
真實世界的駕駛測試
研究人員使用Waymo開放運動數據集訓練模型，該數據集包含數百萬個真實的交通場景，涉及車輛、行人和騎自行車的人，由安裝在該公司自主車輛上的激光雷達（光探測和測距）傳感器和攝像頭記錄。他們特別關注有多個代理人的情況。
為了確定準確性，他們將每種方法的六個預測樣本（按其置信度加權）與一個場景中的汽車、自行車和行人的實際軌跡進行了比較。他們的方法是最準確的。它在被稱為重疊率的指標上也優於基線模型；如果兩條軌跡重疊，就表明有碰撞。M2I的重疊率最低。
“我們沒有僅僅建立一個更複雜的模型來解決這個問題，而是採取了一種更像人類在推理與他人互動時的思維方式。人類不會對所有數百種未來行為的組合進行推理。我們做出決定的速度相當快，”黃昕說。
M2I的另一個優點是，由於它將問題分解成更小的部分，用戶更容易理解模型的決策。黃昕說，從長遠來看，這可能有助於用戶對自動駕駛汽車給予更多信任。
但是，該框架無法解釋兩個代理人相互影響的情況，例如，當兩輛汽車在一個四向停靠點上各自向前移動，因為司機不確定誰應該讓路。
他們計劃在未來的工作中解決這一限制。他們還想用他們的方法來模擬道路使用者之間的現實互動，這可以用來驗證自動駕駛汽車的規劃算法，或者創建大量的合成駕駛數據來提高模型性能。
“預測多個相互作用的道路使用者的未來軌跡，對於在複雜場景中實現完全自動駕駛來說，探索不足且極具挑戰性。M2I提供了一個非常有前途的預測方法，它的關係預測器可以區分被預測為邊緣或有條件的代理，這大大簡化了問題。”加利福尼亞大學伯克利分校機械工程系傑出教授Masayoshi Tomizuka和助理專業研究員Wei Zhan在一封電子郵件中寫道。“預測模型可以捕捉到道路使用者的內在關係和相互作用，以達到最先進的性能。”兩人沒有參與這項研究。