為了保證安全，自動駕駛汽車必須準(zhǔn)確跟蹤行人，自行車和周圍其他車輛的運動。因此，卡內(nèi)基梅隆大學(xué)開發(fā)了一種新方法，訓(xùn)練這些跟蹤系統(tǒng)讓它們更有效。

一般而言，可用于訓(xùn)練跟蹤系統(tǒng)的道路和交通場景數(shù)據(jù)越多，結(jié)果越好。為此，CMU研究人員找到了一種獲得大量自動駕駛數(shù)據(jù)的方法。

“與以前的方法相比，我們的方法更加健壯，因為我們可以在更大的數(shù)據(jù)集上進(jìn)行訓(xùn)練，”與CMU機(jī)器人學(xué)院助理教授David Held合作的研究實習(xí)生Himangi Mittal說。

場景流估計

CMU這種方法是最近比較流行的所謂場景流估計，就是光流的三維版本，表述了圖像／點云中每個點在前后兩幀的變化情況。目前對場景流的研究還局限在實驗室階段，由于缺乏實際數(shù)據(jù)（打標(biāo)成本太高）以及客觀的評價指標(biāo)，離工程應(yīng)用還有不小的距離。此外，巨大的計算量也是一個瓶頸。

大多數(shù)自動駕駛汽車主要基于稱為激光雷達(dá)的傳感器進(jìn)行導(dǎo)航，該激光設(shè)備會生成有關(guān)汽車周圍環(huán)境的3D信息。這種3D信息不是圖像，而是點云。車輛利用此數(shù)據(jù)的一種方式是使用一種稱為場景流的技術(shù)。這涉及計算每個3D點的速度和軌跡。通過場景流將一起移動的點組解釋為車輛，行人或其他移動物體。

過去，用于訓(xùn)練此類系統(tǒng)的最新方法要求使用標(biāo)記的數(shù)據(jù)集，已標(biāo)注注釋的傳感器數(shù)據(jù)，會隨時間推移跟蹤每個3D點。手動標(biāo)記這些數(shù)據(jù)集既費力又昂貴，因此，幾乎沒有標(biāo)記數(shù)據(jù)集。所以，場景流訓(xùn)練通常是使用效果不佳的模擬數(shù)據(jù)執(zhí)行的，然后使用少量存在標(biāo)記的真實世界數(shù)據(jù)進(jìn)行微調(diào)。

CMU提出的一種自我監(jiān)督的場景流估計方法。使用COM兩個自我監(jiān)督損失的組合，模擬由人類注釋創(chuàng)建的監(jiān)督，即使用未標(biāo)記的數(shù)據(jù)進(jìn)行場景流訓(xùn)練。同時，使用周期一致性損失，以確保產(chǎn)生的場景流在時間上是一致的。由于通過在汽車上安裝激光雷達(dá)并四處行駛，相對容易生成未標(biāo)記的數(shù)據(jù)，因此不乏這些數(shù)據(jù)。

他們方法的關(guān)鍵是為系統(tǒng)開發(fā)一種方法來檢測場景流中的自身錯誤。在每個瞬間，系統(tǒng)都會嘗試預(yù)測每個3D點的移動方向和移動速度。在下一瞬間，它會測量該點的預(yù)測位置與最接近該預(yù)測位置的點的實際位置之間的距離。

然后，系統(tǒng)從預(yù)測的點位置開始向后逆轉(zhuǎn)，以返回該點的原始位置。此時，它會測量預(yù)測位置與實際起點之間的距離，并且所產(chǎn)生的距離會形成第二種誤差。

然后，系統(tǒng)將糾正這些錯誤。

霍爾德說：“事實證明，要消除這兩個錯誤，系統(tǒng)實際上需要學(xué)習(xí)做正確的事，而從未被告知正確的事是什么。”

聽起來可能有些費解，但發(fā)現(xiàn)它運作良好。研究人員使用一組綜合數(shù)據(jù)訓(xùn)練得出的場景流精度僅為25％。當(dāng)使用少量現(xiàn)實世界中標(biāo)記的數(shù)據(jù)對合成數(shù)據(jù)進(jìn)行微調(diào)時，準(zhǔn)確性提高到31％。當(dāng)他們添加大量未標(biāo)記的數(shù)據(jù)來使用他們的方法訓(xùn)練系統(tǒng)時，場景流的準(zhǔn)確性躍升至46％。

研究團(tuán)隊在6月14日至19日舉行的計算機(jī)視覺和模式識別（CVPR）會議上介紹了他們的方法。CMU Argo AI自主車輛研究中心為這項研究提供了支持，并獲得了NASA太空技術(shù)研究獎學(xué)金的額外支持。