QCNet（キューシーネット）：高度な軌道予測による自律型車両の安全性革命化

QCNet（キューシーネット）：自律車の安全性革命化

普通の車から電気自動車への大規模な変革が行われています。現在、これは自動運転車と呼ばれるより高度な自動車に変わっています。これは、人工知能と機械学習の高度な学習アルゴリズムの支援を受けて行われています。香港城市大学の研究者は、自動運転車用の新しいAIシステムを開発しました。このモデルは、近くの歩行者がいるかどうかを予測することもでき、また近くの車両や歩行者が正確にどこへ行くかも予測します。さらに、これにより自動運転車が安全になります。研究者はまた、これらの予測を正確に行うことが非常に重要であると述べており、予測のわずかな変化でもより悪い事故を引き起こす可能性があると述べています。既存のソリューションの問題は、正確な予測を提供することができないということです。

この問題を解決するために、研究チームはQCNetと呼ばれる画期的なAIシステムを開発しました。これにより、自動運転車の車両および歩行者の動きの予測が改善されます。このモデルはリアルタイムで動作し、既存のモデルの限界も提供します。これは相対的な時空間位置の概念に基づいています。これらの特性により、交通ルールや他の人々との相互作用を理解することができます。これにより、マップに準拠し、衝突を回避する未来の軌跡を予測することも可能です。モデルの評価には、Agroverse1とAgroverse2などの大規模なデータセットが使用されました。これらのデータセットには、さまざまなアメリカの都市からの大量の自律走行データと高精細マップが含まれています。これらのデータセットは、行動予測のための厳しいベンチマークとも呼ばれています。

研究では、モデルをテストし、速度と正確さの両方が非常に良いことがわかりました。テストはAgroverse 1とAgroverse 2の平均で行われました。モデルはいくつかの予測に6秒以上かかりましたが、予測は正確でした。道路利用者とマップポリゴンの数が多い複雑な交通分析では、モデルの正確性は約85％でした。

• 「統計テストを開始するために必要な基本的な概念についての入門」
• 「5つのステップで始めるSQL」
• 「AIを使ってGmailの受信トレイをクリアする方法」

研究者はまだこのモデルを人間の行動の予測に適用することに取り組んでおり、その効率性を判断することもあります。このプロセス全体は、画像処理およびコンピュータビジョンのカテゴリに属しています。研究者は、モデルには予測と自動運転の効率性に関連する問題がまだあると述べており、ハイパーパラメータのテストによりさらに改善されるとしています。これは自動車の歴史で最も重要な研究の一つでした。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!