我是斜杠青年，一個熱愛前沿科技的“雜食性”學(xué)者！

即使環(huán)境的某些部分被其他物體遮擋，移動的機器人如何正確感知和理解環(huán)境？這是自動駕駛車輛在擁擠的大城市安全導(dǎo)航必須解決的關(guān)鍵問題。雖然人類即使部分被遮擋，也可以想象物體的完整物理結(jié)構(gòu)，但現(xiàn)有的人工智能（AI）算法使機器人和自動駕駛汽車能夠感知其環(huán)境，但并不具備這種能力。

擁有人工智能的機器人一旦了解了自己的環(huán)境是什么樣子，他們就可以自己找到自己的路和導(dǎo)航了。然而，當(dāng)物體部分隱藏時，感知它們的整個結(jié)構(gòu)，例如人群中的人或交通堵塞中的車輛，一直是一個重大挑戰(zhàn)。弗萊堡機器人研究人員教授現(xiàn)在已經(jīng)朝著解決這個問題邁出了重要一步。阿比納夫·瓦拉達(dá)博士和弗萊堡大學(xué)機器人學(xué)習(xí)實驗室的博士生Rohit Mohan，他們在兩份聯(lián)合出版物中介紹了這些內(nèi)容。

兩位弗萊堡科學(xué)家開發(fā)了非多式泛光分割任務(wù)，并使用新的人工智能方法證明了其可行性。到目前為止，自動駕駛車輛一直使用泛光分割來了解周圍的環(huán)境。

這意味著到目前為止，他們只能預(yù)測圖像的哪些像素屬于物體的哪些“可見”區(qū)域，如人或汽車，并識別這些物體的實例。到目前為止，他們所缺乏的是，即使物體被旁邊的其他物體部分遮擋，它們也能夠預(yù)測物體的整個形狀。通過非模態(tài)泛光分割感知的新任務(wù)使這種對環(huán)境的整體理解成為可能。

“Amodal”是指對對象的任何部分遮擋都必須抽象化的情況，而不是將它們視為碎片，而應(yīng)該普遍理解將其視為整體。因此，這種視覺識別能力的提高將導(dǎo)致在提高自動駕駛車輛安全性方面取得巨大進展。

革命性城市視覺場景理解的潛力

在IEEE/CVF計算機視覺和模式識別會議上發(fā)表的一篇新論文（作為預(yù)印本在線提供）中，研究人員將新任務(wù)添加到既定的基準(zhǔn)數(shù)據(jù)集中，并公開發(fā)布。他們現(xiàn)在呼吁科學(xué)家用自己的人工智能算法參與基準(zhǔn)測試。

這項任務(wù)的目標(biāo)是對道路、植被、天空等無定形背景類的可見區(qū)域進行像素語義分割，并對汽車、卡車和行人等可數(shù)類別的可見和遮蔽對象區(qū)域進行實例分割。

基準(zhǔn)和數(shù)據(jù)集可在網(wǎng)站上公開獲得，包括兩種擬議的新型學(xué)習(xí)算法。Valada表示：他們相信，這項任務(wù)的新人工智能算法將使機器人能夠通過感知物體的完整物理結(jié)構(gòu)來模擬人類的視覺體驗。

“單峰全景分割將極大地幫助下游自動駕駛?cè)蝿?wù)，其中遮擋是一項重大挑戰(zhàn)，如深度估計、光流、物體跟蹤、姿勢估計、運動預(yù)測等。有了更先進的人工智能算法來完成這項任務(wù)，自動駕駛汽車的視覺識別能力可以徹底改變。例如，如果始終感知到道路使用者的整個結(jié)構(gòu)，無論部分堵塞，事故風(fēng)險都可以大大降低?！?/p>

此外，通過推斷場景中物體的相對深度排序，自動車輛可以做出復(fù)雜的決定，例如朝哪個方向移動，以獲得更清晰的視圖。為了實現(xiàn)這些愿景，在布魯塞爾AutoWorld博物館舉行的AutoSens向領(lǐng)先的汽車行業(yè)專業(yè)人士展示了這項任務(wù)及其好處。

另一篇論文發(fā)表在IEEE機器人和自動化信件中。

了解最新前沿科技，關(guān)注我就是你最好的選擇！