Waymo präsentiert VectorNet

Der Branchenprimus Waymo lässt mal wieder hinter die Kulissen blicken: VectorNet. KI-Voraussage mit Vektoren.

Waymo zählt zu dem führenden Unternehmen im Bereich Autonomes Fahren und gelegentlich stellt man seine Systeme vor, auch um damit Vertrauen zu schaffen. Nun hat Waymo seine KI für die Verhaltensprognose der Verkehrsteilnehmenden vorstellt: VectorNet.

Waymo Verhaltensprognose

Waymo Verhaltensprognose. Quelle: Waymo

Waymo VectorNet. Quelle: Waymo

Die Fähigkeit, das Verhalten der Verkehrsteilnehmenden vorauszusagen, ist derzeit eines der wichtigen Forschungsfelder im Bereich des Autonomen Fahrens. Derart kann das Auto schneller auf Verkehrsszenarien reagieren und besser durch den Verkehr schlüpfen. Mit Kartendaten und Fahrzeugsensorik alleine ist dies jedoch nicht zu bewerkstelligen. Es erfordert ein umfangreiches Training der KI und eine hohe Rechenleistung. Das äußert sich in der Zeit und diese beschränkt die Geschwindigkeit.

Die beliebteste Methode, um HD-Karten mit den Verhaltensvorhersagemodellen zu kombinieren, besteht darin, die Karte in Pixel zu rendern und alle Szeneninformationen wie Verkehrszeichen, Zebrastreifen, Fahrspuren und Bordsteine mit einem Convolutional Neural Network (CNN) zu analysieren.

Der Waymo-Driver, so der Name des Autonomen Fahrstacks von Waymo, wird ebenfalls darauf trainiert. Doch man hat sich ein Konzept überlegt, womit man weniger Lerndaten braucht und das reduziert auch die benötigte Rechenleistung. VectorNet, so der Name des Modells, liefert bei geringerem Rechenaufwand eine genauere Vorhersage.

VectorNet nimmt im Wesentlichen eine hochkomplexe Szene auf und vereinfacht sie mithilfe von Vektoren, sodass sie mit weniger Rechenleistung verarbeitet werden kann. So wird aus einer Kreuzung ein Polygon, das durch Punkte definiert wird. Ein Stoppschild ist ein Punkt und Kurven sind eine Punktverbindung, die in Vektorfragmente unterteilt sind.

Waymo VectorNet

Durch die Reduktion der Komplexität kann VectorNet schneller die Strecke ausmachen. Dabei verzichtet man nicht darauf eine Verbindung zwischen den Vektoren zu erfassen. So lässt sich beispielsweise eine Person am Zebrastreifen semantisch erfassen. Der KI wird beigebracht, wie die Verkehrsteilnehmenden darauf reagieren, um  verbesserte Verhaltensvorhersagen zu treffen.

Gegenüber dem bekannten ResNEt-18 CNN, erzielt VectorNet eine Leistungssteigerung um 18 Prozent. Dabei, so Waymo, braucht man nur ein Drittel der Parameter und nur 20 Prozent der bisherigen Rechenleistung.

Comments are closed.