新的感知指標可平衡反應時間準確

卡內基梅隆大學的研究人員開發了一種新的指標，用于評估自動駕駛汽車對變化的道路條件和交通狀況的反應程度，這使得首次有可能比較感知系統的準確性和反應時間。

李夢天，博士 CMU機器人學院的一名學生說，學術研究人員傾向于開發能夠精確識別危險的復雜算法，但可能需要大量的計算時間。相比之下，行業工程師傾向于使用簡單，精度較低的算法，這些算法既快速又需要較少的計算，因此車輛可以更快地對危險做出響應。

這種權衡不僅是無人駕駛汽車的問題，也是任何需要實時感知動態世界的系統的問題，例如無人駕駛飛機和增強現實系統。到目前為止，還沒有系統的方法可以在準確性和延遲之間取得平衡，即事件發生與感知系統識別該事件之間的延遲。由于缺乏合適的指標，因此很難比較競爭系統。

這個新的度量標準稱為流感知準確度，是由Li與機器人研究所副教授Deva Ramanan和伊利諾伊大學香檳分校伊利諾伊大學助理教授Yu-Xiong Wang共同開發的。他們在上個月的虛擬歐洲計算機視覺會議上展示了該文檔，并在該會議上獲得了最佳論文榮譽獎。

通過將感知系統在每個時刻的輸出與世界真實情況進行比較，來衡量流感知的準確性。

李說：“當您完成對傳感器輸入的處理時，世界已經變了。”他指出，在處理過程中，汽車已經行駛了一段距離。

拉曼南說：“測量流感知的能力為現有感知系統提供了新的視角。” 根據經典性能衡量標準表現良好的系統在流感知方面的表現可能會很差。使用新引入的度量標準對此類系統進行優化可以使它們更具反應性。

團隊研究的一個見識是，該解決方案并不一定要使感知系統運行得更快，而是偶爾需要適時的暫停。拉曼南補充說，跳過某些幀的處理可以防止系統越來越落后于實時事件。

另一個見解是將預測方法添加到感知處理中。就像棒球擊球手在他們認為球將要到達的位置(而不是在球所在的位置)擺動一樣，車輛可以預期其他車輛和行人的一些運動。團隊的流媒體感知測量表明，做出這些預測所需的額外計算不會顯著損害準確性或延遲。