為了實現(xiàn)更安全的自動駕駛，我們需要給無人車大腦輸入“高精度地理信息”以及“行人姿態(tài)”。行車路況通過激光掃描可以構(gòu)建出來規(guī)則的行車信息，預(yù)測其他車主的運(yùn)動趨勢，高精度地圖包含無人車行駛在任何一條公路上的實時信息。而行人姿態(tài)一直是一項困難的問題，此前的行人姿態(tài)預(yù)測，均為2D情況下。

圖片來自：論文

近期，以自動駕駛汽車技術(shù)聞名的密歇根大學(xué)（University of Michigan）一直在研究一種改進(jìn)的算法，用于預(yù)測行人的移動，這種算法不僅考慮了行人在做什么，還考慮了他們是如何做的。這種肢體語言對于預(yù)測一個人接下來要做什么是至關(guān)重要的。

圖片來自：論文

“觀測行人并預(yù)測他們將要做什么”，是任何自動車輛視覺系統(tǒng)的重要組成部分。如何理解行人的存在、運(yùn)動，是車輛自行做決策和人類駕駛員的一個巨大的差異。多數(shù)無人車企業(yè)在宣傳自己的自動駕駛功能時，很少突出自己能否檢測三維狀態(tài)下的人體移動趨勢。而這項技術(shù)在密西根大學(xué)研究人員眼中頗為重要。

圖片來自：論文

現(xiàn)代汽車中的ADAS （高級駕駛輔助系統(tǒng)）包括感知系統(tǒng)、通信系統(tǒng)、決策系統(tǒng)和控制系統(tǒng)。而無人車對這些功能有更高的要求，在無人介入的情況下，自動駕駛對于道路上隨機(jī)變化的情況應(yīng)有更為靈活的決策，才能保障車內(nèi)車外的人類安全。

密西根大學(xué)的這項技術(shù)論文為《生物長短期記憶網(wǎng)絡(luò)：一種生物力學(xué)啟發(fā)的用于三維行人姿態(tài)的遞歸神經(jīng)網(wǎng)絡(luò)和步態(tài)預(yù)測》，在學(xué)術(shù)界有不小轟動，但具體到硬件實施與商業(yè)落地，可能還需要些時日。