动作捕捉技术在汽车自动驾驶中的积极助推作

#动作捕捉#然而，他们意识到机器学习模型并不总是有足够的训练数据，因为汽车在现实世界中没有经历足够多的重要手势。汽车需要从不同的角度、不同的距离和不同的光照条件来识别每种情况——这些限制因素的组合有很多可能性。仅仅依靠汽车的真实体验需要几年时间才能获得足够的信息。

他们找到了一个创造性的解决方案：捕捉人类手势的动作(mo-cap)，一种游戏开发者用来创造角色的技术。他们中的一些人一直在雇佣游戏开发者来模拟详细世界的专业技能，他们挑战捕捉数据，教他们的车辆理解手势。

首先，他们的数据收集团队将建立一个完整的清单，列出人们与世界互动的方式，如打出租车、打电话或走到街上避免人行道建设。自动驾驶汽车可能被误解为指令本身的动作——例如，行人向朋友挥手。然后，他们做了其他靠近车辆但不是针对车辆的手势，比如停车员在车辆旁边的车道上挥手，示意车辆进入**，建筑工人拿着要求车辆暂时停车的标志。

最后，他们提出了手势传达的五个关键信息的初始列表：停车、行走、左转、右转，以及我们常说的不——与过路车辆无关的常见动作，如拿走背包。研究人员使用了普遍接受的美国手势，假设汽车在右边行驶，因为它们在旧金山行驶。