為了實(shí)現(xiàn)更安全的自動(dòng)駕駛，我們需要給無(wú)人車大腦輸入“高精度地理信息”以及“行人姿態(tài)”。行車路況通過(guò)激光掃描可以構(gòu)建出來(lái)規(guī)則的行車信息，預(yù)測(cè)其他車主的運(yùn)動(dòng)趨勢(shì)，高精度地圖包含無(wú)人車行駛在任何一條公路上的實(shí)時(shí)信息。

而行人姿態(tài)一直是一項(xiàng)困難的問(wèn)題，此前的行人姿態(tài)預(yù)測(cè)，均為2D情況下。

近期，以自動(dòng)駕駛汽車技術(shù)聞名的密歇根大學(xué)（University of Michigan）一直在研究一種改進(jìn)的算法，用于預(yù)測(cè)行人的移動(dòng)，這種算法不僅考慮了行人在做什么，還考慮了他們是如何做的。這種肢體語(yǔ)言對(duì)于預(yù)測(cè)一個(gè)人接下來(lái)要做什么是至關(guān)重要的。

“觀測(cè)行人并預(yù)測(cè)他們將要做什么”，是任何自動(dòng)車輛視覺(jué)系統(tǒng)的重要組成部分。如何理解行人的存在、運(yùn)動(dòng)，是車輛自行做決策和人類駕駛員的一個(gè)巨大的差異。

多數(shù)無(wú)人車企業(yè)在宣傳自己的自動(dòng)駕駛功能時(shí)，很少突出自己能否檢測(cè)三維狀態(tài)下的人體移動(dòng)趨勢(shì)。而這項(xiàng)技術(shù)在密西根大學(xué)研究人員眼中頗為重要。

現(xiàn)代汽車中的ADAS （高級(jí)駕駛輔助系統(tǒng)）包括感知系統(tǒng)、通信系統(tǒng)、決策系統(tǒng)和控制系統(tǒng)。

而無(wú)人車對(duì)這些功能有更高的要求，在無(wú)人介入的情況下，自動(dòng)駕駛對(duì)于道路上隨機(jī)變化的情況應(yīng)有更為靈活的決策，才能保障車內(nèi)車外的人類安全。

密西根大學(xué)的這項(xiàng)技術(shù)論文為《生物長(zhǎng)短期記憶網(wǎng)絡(luò)：一種生物力學(xué)啟發(fā)的用于三維行人姿態(tài)的遞歸神經(jīng)網(wǎng)絡(luò)和步態(tài)預(yù)測(cè)》，在學(xué)術(shù)界有不小轟動(dòng)，但具體到硬件實(shí)施與商業(yè)落地，可能還需要些時(shí)日。