Almanya’da Daimler ve Kassel Üniversitesi'ndeki bilim insanları, sadece radar verileri ile bireysel “trafik katılımcılarını” sınıflandırabilen (daha önceden bilinmeyen gizli nesne sınıfları dahil) yeni bir makine öğrenme yapısı geliştirdiler. Bilim insanları, bunun sürücüsüz otomobil endüstrisi için özel bir fayda sağlayabileceğini iddia ediyorlar.
Yeni teknolojinin genel sınıflandırma performansının önceki yöntemlerle karşılaştırıldığında geliştirilebilir ve ek olarak, yeni sınıfların çok daha doğru bir şekilde tanımlanabilir olduğu belirtiliyor. Ayrıca bu radarın görüntüdeki birden fazla nesneden doğrudan bir hız ölçümü elde edebilen birkaç sensörden biri olduğu söyleniyor. Diğer sensörlere kıyasla sis, kar veya şiddetli yağmur gibi olumsuz hava koşullarında daha sağlam sonuçlar elde edildiği dile getiriliyor. Bunların yanı sıra bilim insanları radarın mükemmel olmadığını da ekliyor. Radarın diğer sensörlere kıyasla nispeten düşük bir açısal çözünürlüğe sahip olup, seyrek veri sunumuna yol açtığı söyleniyor.
Ekip, 80 LSTM (uzun kısa süreli bellek) hücresi içeren bir sınıflandırıcı koleksiyonu veya biyolojik nöronları taklit eden katmanlı matematiksel fonksiyonlar ile çözüm sağlamaya çalışıyor. Nesneler arasındaki temel farkları tanımlamak için toplam 98 özellikten oluşan dinamik bir altküme kullanılıyor. (aralık, açı, genişlik ve Doppler değerlerinin dağılımına ilişkin özellikler gibi…)
Ekip, yapay zekayı eğitmek için 3.800'den fazla hareketli yol kullanıcısı için 3 milyondan fazla veri noktası içeren bir veri seti oluşturdu. Test aracının ön yarısına monte edilmiş dört adet radar sensörü ile yaklaşık 100 metre aralıklarla örnekler alındı. Sınıflandırıcılar algılanan nesneleri altı seçenekten birine ayırdı: yaya, yaya grubu, bisiklet, araba, kamyon ve çöp. Sınıflandırma hatalarının çoğu, yaya ve yaya grubu sınıfları arasında ortaya çıktı.
