在本周发表在Arxiv.org预印服务器上的一篇论文中，来自优步先进技术集团(ATG)的研究人员提出了一种人工智能技术来改善自动驾驶车辆的交通运动预测。它直接适用于优步自己正在开发的无人驾驶技术，该技术必须能够检测、跟踪和预测周围汽车的轨迹，以便在公共道路上安全驾驶。

众所周知，如果没有能力预测道路上其他驾驶员可能做出的决策，车辆将无法完全自动驾驶。两年前，在一个悲惨的案例中，优步自动驾驶原型车在亚利桑那州坦佩撞死了一名行人，部分原因是车辆未能找到并避开受害者。ATG的研究是新颖的，因为它使用生成对抗网络(GAN)来预测汽车轨迹，而不是使用不太复杂的架构。该研究有望通过将预测精度提高一个数量级来提高技术水平。

合著者的GAN——源自“符合场景的GAN”，名为SC-GAN——可以创建一个遵循场景中现有约束的轨迹，并可以访问场景的高清地图(包括道路、人行横道位置、车道方向、红绿灯和标志)以及激光雷达、雷达和摄像头传感器通知的检测和跟踪系统。GAN输出附近汽车的参照系，原点在中心，x轴和y轴分别由汽车的方向和左侧定义。

对于每一辆由GAN预测潜在未来轨迹的汽车，场景上下文信息和地图约束被绑定到RGB图像中，该图像可以用一个称为矩阵的数学对象来表示。(矩阵是按行和列排列的数字的矩形数组，通常用来表达AI模型可以操作的格式的概念。)图片拍摄于车后10米处，而两侧则是30米高，车后10米。

在实验中，该团队在谷歌的TensorFlow机器学习框架中实现了所提出的AI系统和多个基准，并获得了大规模真实世界数据集(ATG4D)，包括在各种路况下(例如，美国各城市的一天中的时间和一周中的天数)。每辆车每0.1秒创建一个数据点，由当前和过去0.4秒的观察速度、加速度、航向和转弯速率组成。总共780万个数据点与周围的高清地图信息一起分割，并包含在模型训练、测试和评估集中。