據外媒2月14日報導，美國密西根大學科學家們正利用人類的步態、身體對稱性和足部位移，教授自動駕駛汽車識別和預測行人的行動，其精確度要高於現有技術。
據悉，汽車通過攝像頭、雷射雷達和全球定位系統(GPS)收集到的數據，可以使研究人員能夠捕捉到人類活動的視頻片段，然後在三維(3D)計算機模擬中再現它們。在此基礎上，科學家們創造了一個「生物力學啟發下的循環神經網絡」，用於對人類運動進行分類。
據研究人員稱，他們通過利用循環神經網絡預測距離汽車約50碼處的一個或幾個行人的動作及其未來位置，該網絡相當於一個城市交叉路口的規模。汽車要想擁有必要的預測能力，需要利用循環神經網絡深入研究人類動作細節，其中包括人類步態的節奏(周期性)、四肢的鏡像對稱性，以及走路時腳的位置對人體穩定性的影響。
密西根大學機械工程助理教授Ram Vasudevan說：「此前在這一領域的研究通常只關注靜態圖像，並不關注人們如何在三維空間中運動。然而，如果這些汽車要在現實世界中運作和互動，我們需要確保對行人所在位置的預測與車輛的下一步走向不一致。行人的動作和他們遙望的地方可以告訴你他們的注意力水平程度，也能告訴你他們下一步即將做什麼。」
大部分將自動駕駛技術提升至目前水平的機器學習算法，都涉及二維圖像—即靜態照片。如果一臺電腦展示了數百萬張的停車標誌照片，最終它將能夠在現實世界中實時識別出停車標誌。然而，通過利用運行數秒的視頻片段，系統可以研究視頻片段的前半部分來進行預測，然後用後半部分來驗證準確性。
最終，研究結果表明，這種新系統提升了無人駕駛汽車預測未來最有可能發生情況的能力，有利於提高自動駕駛汽車的安全性。