为什么说“行为预测”是自动驾驶终极杀器？( 三 )_行为预测到底重要在哪？在行驶过程中

Waymo 和特斯拉这样的头部公司正试图用深度学习来解决行为预测问题，即用数据集训练深度神经网络。

对深度神经网络来说，数据越多其准确度就越高，因此各家公司都开启了疯狂「投喂数据」模式。

特斯拉 AI 主管 Andrej Karpathy 就在今年 3 月的 Autonomy Day 上讲述了特斯拉是如何玩转深度学习的：

在类似目标探测的深度学习应用中，许多公司都会遭遇瓶颈，因为他们需要花钱请人手动给图片或视频加标签。

拿目标探测举例，灌入神经网络的数据可能是视频中包含了行人的一帧画面，而各家公司想要的输出是自动打上「行人」这个标签。

当然，训练神经网络也同样是一个劳动密集型工作。

想通过训练得到这样的效果，就得给神经网络持续输入成千上万张类似图片，并且在画面中标出哪些是行人，而这个打标签的过程全靠人手工完成。

有了行为预测，再加上过去 5 秒对周边车辆动向的输入数据，输出端可能就会给出未来 5 秒对周边环境变化的预测。

为什么说“行为预测”是自动驾驶终极杀器？( 三 )