日本无码免费高清在线|成人日本在线观看高清|A级片免费视频操逼欧美|全裸美女搞黄色大片网站|免费成人a片视频|久久无码福利成人激情久久|国产视频一二国产在线v|av女主播在线观看|五月激情影音先锋|亚洲一区天堂av

  • 手機(jī)站
  • 小程序

    汽車測試網(wǎng)

  • 公眾號

    • 汽車測試網(wǎng)

    • 在線課堂

    • 電車測試

如何為自動駕駛汽車構(gòu)建行為預(yù)測模型:使用Lyft Level 5的預(yù)測數(shù)據(jù)集訓(xùn)練機(jī)器學(xué)習(xí)運(yùn)動預(yù)測模型

2020-10-19 20:43:10·  來源：汽車電子與軟件  作者：Luca Bergamini  
　
預(yù)測自動駕駛汽車（AV）周圍的實(shí)體的行為是實(shí)現(xiàn)全自動駕駛的關(guān)鍵難題之一。使用我們的預(yù)測數(shù)據(jù)集和L5級工具包，您可以在一個閑暇的下午或周末開始構(gòu)建行為預(yù)測模
預(yù)測自動駕駛汽車（AV）周圍的實(shí)體的行為是實(shí)現(xiàn)全自動駕駛的關(guān)鍵難題之一。使用我們的預(yù)測數(shù)據(jù)集和L5級工具包，您可以在一個閑暇的下午或周末開始構(gòu)建行為預(yù)測模型，即使您之前沒有任何有關(guān)自動駕駛汽車的經(jīng)驗(yàn)。如果成功了，您可以幫助推動自動駕駛行業(yè)整體向前發(fā)展，如果您的解決方案在我們的Kaggle競爭中取得優(yōu)勝，您甚至可以贏得我們30000美元獎金的一部分。
什么是行為預(yù)測？為什么它這么重要？
 
讓我們從自動駕駛汽車的工作原理開始。在自動駕駛堆棧中，構(gòu)建自動駕駛系統(tǒng)的第一步是感知（識別我們周圍的事物）。接下來的兩個任務(wù)是預(yù)測（決定下一步會發(fā)生什么）和計劃（決定自動駕駛汽車將來要做什么）。我們正專注于第二項(xiàng)任務(wù)。
自動駕駛汽車需要能夠?qū)ξ磥碜龀鲱A(yù)測——這是人類駕駛員一直在潛意識里做的事情。想象一下，當(dāng)一輛自動駕駛汽車在路上直行，并嘗試左轉(zhuǎn)，而這時有另一輛車從相反的方向駛來。為了讓自動駕駛汽車安全地執(zhí)行此操作，它需要確定另一輛車是右轉(zhuǎn)還是繼續(xù)直行并干擾它的左轉(zhuǎn)。這就是行為預(yù)測。
 
盡管感知技術(shù)在自動駕駛行業(yè)已經(jīng)發(fā)展得較為成熟了，但預(yù)測和規(guī)劃仍需改進(jìn)。那么為什么這兩部分在自動駕駛堆棧中的問題還沒解決呢？
目前，行為預(yù)測和規(guī)劃的模型主要是使用基于規(guī)則的系統(tǒng)建立的。然而，未來是不確定的，規(guī)則可能并不總是隨不確定性而變化。當(dāng)您將其他實(shí)體添加到組合中時，規(guī)則的數(shù)量和制定規(guī)則的成本將成倍增長。深度監(jiān)督學(xué)習(xí)方法可以解決這一問題，但需要大量數(shù)據(jù)來正確捕捉道路上罕見和意外的行為。好消息是：我們的預(yù)測數(shù)據(jù)集是同類數(shù)據(jù)集中最大的，并且包含了這些罕見的行為。
 
訓(xùn)練你的模型
要訓(xùn)練你的模型，你需要：
1．下載Lyft L5級預(yù)測數(shù)據(jù)集
2．獲取任務(wù)的輸入和輸出數(shù)據(jù)
3．定義模型
4．訓(xùn)練模型
為了簡化這些步驟，我們準(zhǔn)備了一個Jupyter筆記本。
1．下載L5級預(yù)測數(shù)據(jù)集
訪問我們的預(yù)測數(shù)據(jù)集網(wǎng)頁注冊并下載數(shù)據(jù)集。該數(shù)據(jù)集包括我們在加利福尼亞州帕洛阿爾托市收集的超過16000英里的1000小時的行駛數(shù)據(jù)。我們已經(jīng)在內(nèi)部生產(chǎn)感知堆棧中運(yùn)行了數(shù)據(jù)集，因?yàn)楹茈y從原始數(shù)據(jù)開始構(gòu)建預(yù)測模型。這意味著您可以立即開始為交通環(huán)境中的實(shí)體（在我們的感知輸出中，已經(jīng)進(jìn)行了辨別）構(gòu)建運(yùn)動預(yù)測模型了，并根據(jù)我們的正確標(biāo)注來把握您的進(jìn)度。
除了數(shù)據(jù)之外，我們還提供一張航空地圖和由五級自動駕駛研究人員注釋的高清晰度語義地圖。
 
2．為任務(wù)獲取輸入和輸出
預(yù)測數(shù)據(jù)集以不同的時間戳記錄自動駕駛汽車周圍的世界。每個時間戳包括：
1. 幀
幀是自動駕駛汽車本身的記錄。包含它的位置和旋轉(zhuǎn)，以及在那一瞬間檢測到的所有實(shí)體和紅綠燈的列表。
2. 實(shí)體
實(shí)體是真實(shí)世界中可移動的實(shí)體。實(shí)體通過類別（汽車、行人等）和位置信息進(jìn)行標(biāo)記。實(shí)體也有唯一的身份，通過連續(xù)的幀進(jìn)行追蹤。
獲取幀和實(shí)體的信息非常簡單，只需運(yùn)行以下代碼片段：
 
在處理自動駕駛數(shù)據(jù)時，一個常見的選擇是使用俯視圖（BEV）柵格化來輸入系統(tǒng)，該輸入由場景的自頂向下的視圖組成。這簡化了模型的構(gòu)建，因?yàn)檩斎牒洼敵龅淖鴺?biāo)空間是相同的。
獲得俯視圖和用來訓(xùn)練DCNN的輸出軌跡，只需要運(yùn)行以下代碼：
 
3．定義模型
定義一個使用輸入和輸出進(jìn)行訓(xùn)練的模型。您可以通過調(diào)整標(biāo)準(zhǔn)CNN架構(gòu)（例如ResNet50）來創(chuàng)建一個簡單的基線。盡管您可以保留原網(wǎng)絡(luò)的核心部分，但您需要更改其輸入和輸出層以匹配您的設(shè)置。
為此，將第一個卷積層中的通道數(shù)與俯視圖中的通道數(shù)匹配。一個3通道的卷積層不足以將不同層次的不同語義信息柵格化。下一步，確保輸出數(shù)與您未來的預(yù)測范圍（下面的示例中使用XY位移表示）相匹配。對于50步的視野，最后一層網(wǎng)絡(luò)總共需要100個神經(jīng)元。
 
在Pythorch中，是下面這樣的：
 
4．訓(xùn)練模型
現(xiàn)在一切準(zhǔn)備就緒，您可以根據(jù)數(shù)據(jù)訓(xùn)練基線模型了。將俯視圖輸入該模型，預(yù)測未來的軌跡。您可以設(shè)置均方誤差（MSE）標(biāo)準(zhǔn)，并使用ADAM優(yōu)化器優(yōu)化網(wǎng)絡(luò)。在Pythorch中，是下面這樣：
 
我們也可以在幾次迭代后，在以自動駕駛汽車為中心的俯視圖光柵上繪制預(yù)測的軌跡。
進(jìn)一步訓(xùn)練你的模型
以下是一些改進(jìn)和測試模型的一些想法和小技巧：
l  如果你想提高速度并想用EfficientNet來取代ResNet，只需更換第一層和最后一層。
l  想看看實(shí)體的歷史記錄是否可以提高性能嗎？這只是一個改變一個配置值的問題，一切都是現(xiàn)成的。
l  如果光柵看起來太粗糙，可以提高其分辨率，甚至可以更改其縱橫比。
l  每個實(shí)體僅一條軌跡不足以捕捉不確定性？我們已經(jīng)提供了多模型預(yù)測的評分標(biāo)準(zhǔn)，因此您可以直接了解您的模型是否有改進(jìn)。
 
作者：Luca Bergamini，軟件工程師；Vladimir Iglovikov，軟件工程師；Filip Hlasek，工程經(jīng)理；Peter Ondruska，L5級自動駕駛研究主管。
翻譯：涅槃汽車
 
 
分享到：
 
反對 0 舉報 0 收藏 0 評論 0
滬ICP備11026917號-25