Otonom araçların yeni ödevi: İnsanların beden dilini öğrenmek

Michigan Üniversitesi’nden araştırmacılar otonom araçların yayaların hareketlerini algılayıp sonraki hareketleri daha büyük isabetle tahmin edebilmesi için insan vücut dili üzerine çalışıyor. İnsanlar her zaman karşıdan karşıya geçerken yola dikkat etmiyor. Bu yüzden otonom araçların, sadece diğer araçlara değil, dikkati dağılan yayalara da odaklanması gerekiyor.

Michigan Üniversitesi Makina Mühendisliği Yardımcı Profesörü Ram Vasudevan “Eğer bir yaya telefonuyla oynuyorsa, çevresine dikkat etmediğini anlayabilirsiniz. Vücutlarının duruşu ve baktıkları yön size onların dikkati hakkında bir fikir verir. Ayrıca bir sonraki adımda ne yapabileceklerini de bu şekilde kestirebilirsiniz.” diyor.

Kayıtlı görüntüler kullanılıyor

Araştırmacılar araçların kameralarından, lidar sisteminden ve GPS’ten aldıkları verileri kullanarak hareket halindeki insanların görüntülerini 3D bilgisayar simülasyonlarında yeniden canlandırdı. Böylece ‘biyomekanikten ilham alan tekrarlanan yapay sinir ağı’ oluşturmayı başardılar. Bu sinir ağı insan hareketlerini katalog halinde depoluyor. İnsanların yürüyüş şekline, vücut simetrisine ve ayaklarının konumuna odaklanarak yayaların bir sonraki hareketinin ne olacağını tehmin edebiliyor ve otonom araçları bu hareketleri tanımaları için eğitebiliyorlar. Şimdiye kadar otonom araçlar için kullanılan çoğu makine öğrenimi sistemi sadece fotoğraflarla eğitilmişti.

Bir bilgisayara ‘dur’ işaretinin birçok fotoğrafını gösterirseniz neticede gerçek dünyadaki dur işaretlerini de algılayabilmeye başlar. Birkaç saniye süren video görüntülerini kullanarak Michigan’da üretilen sistem görüntünün ilk yarısını izleyip daha sonra tahminlerde bulunuyor. Sonra görüntünün geri kalanını izleyerek tahminlerinin ne kadar isabetli olduğunu doğruluyor.

Araştırmacılar bir yayanın bir saniye sonraki konumunu 10 santimetreye kadar, altı saniye sonraki konumunu ise 80 santimetreye kadar isabetle tespit edebildiklerini söylüyorlar. Önceki yöntemlerde 7 metreye kadar hata payı olabiliyordu. Bu sistem trafikteki yayaların konumunu belirleme konusunda çok daha başarılı.

Kaynak: Axios