Il nuovo sistema AI MvACon aumenta l'accuratezza della percezione delle auto a guida autonoma

I ricercatori della North Carolina State University hanno sviluppato un nuovo approccio per aiutare le auto a guida autonoma a capire meglio ciò che le circonda. Questa nuova configurazione, che hanno chiamato Multi-View Attentive Contextualization (MvACon), risolve alcuni degli intoppi comuni riscontrati negli attuali sistemi di AI con trasformatori di visione che lavorano sull'individuazione di oggetti in 3D da diverse angolazioni.

Hanno eseguito diversi test utilizzando il set di dati nuScenes, uno dei più popolari per la guida autonoma, e MvACon è riuscito ad aumentare l'accuratezza del rilevamento in diversi sistemi di visione di alto livello. Quando l'hanno combinato con il sistema BEVFormer, ha mostrato chiari miglioramenti nel capire dove si trovano gli oggetti, nel prevedere da che parte sono rivolti e persino nell'approssimare la velocità di movimento.

Il team ha scoperto che il metodo di attenzione di MvACon, che si concentra sui cluster, mantiene il rilevamento nitido per i veicoli e le strutture vicine. Lo chiamano "sistema di coordinate locale consapevole dell'oggetto e del contesto", il che significa che il sistema ha una migliore percezione dello spazio, il che aiuta molto a tracciare il movimento e il volto delle cose.

Una cosa innovativa di questa tecnologia è che può essere facilmente aggiunta agli attuali sistemi di visione autonoma dei veicoli, senza bisogno di hardware aggiuntivo. E a prescindere dalla configurazione in cui viene utilizzata, migliorerà costantemente le prestazioni, indipendentemente da come viene implementata.

I test hanno dimostrato che il sistema ha funzionato in modo efficace anche in scenari difficili con più oggetti affollati.