科學家正在使用人類“步態，身體對稱和腳放置，以教導自動駕駛汽車來識別和預測比當前技術更精確的行人運動。

通過攝像機，LIDAR和全球定位系統（GPS）收集的數據允許研究人員在美國密歇根大學的研究人員，以捕捉人類的視頻片段，然后在三維（3D）計算機模擬中重新創建它們。

有了這個，他們創造了“生物力學啟動的經常性神經網絡”，該目錄人類運動。

網絡可以幫助預測一個或幾個行人的姿勢和未來的位置，從車輛距離車輛大約50碼，大約是城市交叉口的規模。

LIDAR是一種測量方法，通過用脈沖激光照射目標來測量與目標的距離，并用傳感器測量反射脈沖。

“在這一領域的事先工作通常只看著靜止圖像。密歇根大學助理教授Ram Vasudevan說，這不是人們在三個方面舉行的三個方面。“

“但如果這些車輛將在現實世界中運營并互動，我們需要確保我們的預測行人的預測不與車輛下一步的地方不一致，”Vasudevan說。

裝備具有必要的預測力的車輛需要網絡進入人類運動的細節：人的步態（周期性）的速度，四肢的鏡子對稱，腳放置在行走期間影響穩定性的方式。

用于將自主技術帶到其當前水平的大部分機器學習都處理了二維圖像 - 靜止照片。

一臺計算機上顯示了數百萬張照片的票據，最終將識別現實世界中的停止標志，實時地識別停止標志。

但是，通過利用運行幾秒鐘的視頻剪輯，系統可以研究片段的前半部分以使其預測，然后驗證下半部分的準確性。

“現在，我們正在培訓系統，以識別運動并使不僅僅是一件單一的方式 - 無論是一個停車跡象 - 但是那里行人的身體將在下一步和下一步和下一個步驟下一步，“密歇根大學副教授Matthew Johnson-Roberson說。

“如果一個行人正在玩他們的手機，你知道他們分心了，”Vasudevan說。

“他們的姿勢和他們正在尋找的地方正在告訴你他們對他們的注意力水平。他說，它也告訴你們對他們能夠做的事情，“他說。