Nowy system sztucznej inteligencji MvACon zwiększa dokładność percepcji samojezdnych samochodów

Naukowcy z Uniwersytetu Stanowego Północnej Karoliny (North Carolina State University) opracowali nowe podejście do pomocy samojezdnym samochodom w lepszym zrozumieniu tego, co znajduje się wokół nich. Ta nowa konfiguracja, którą nazwali Multi-View Attentive Contextualization (MvACon), rozwiązuje niektóre z typowych czkawek występujących w obecnych systemach sztucznej inteligencji transformatorów wizyjnych, które pracują nad wykrywaniem rzeczy w 3D pod różnymi kątami.

Przeprowadzili oni kilka testów przy użyciu zbioru danych nuScenes - popularnego w autonomicznej jeździe - a MvACon zdołał zwiększyć dokładność wykrywania w kilku systemach wizyjnych najwyższej klasy. Kiedy połączyli go z systemem BEVFormer, wykazał wyraźną poprawę w ustalaniu, gdzie znajdują się obiekty, przewidywaniu, w którą stronę są zwrócone, a nawet przybliżaniu prędkości, z jaką się poruszają.

Zespół odkrył, że metoda uwagi MvACon, która koncentruje się na klastrach, utrzymuje ostrość wykrywania pojazdów i pobliskich struktur. Nazywają to "lokalnym układem współrzędnych świadomym kontekstu obiektu", co oznacza, że system lepiej wyczuwa przestrzeń, co bardzo pomaga w śledzeniu ruchu i twarzy.

Innowacyjność tej technologii polega na tym, że można ją łatwo dodać do obecnych autonomicznych systemów wizyjnych pojazdów bez konieczności stosowania dodatkowego sprzętu. I bez względu na to, w jakiej konfiguracji jest używana, będzie konsekwentnie poprawiać wydajność bez względu na sposób jej wdrożenia.

Testy wykazały, że system działał skutecznie nawet w trudnych scenariuszach z wieloma zatłoczonymi obiektami.