盖世汽车讯 在部分环境被其他物体遮挡的情况下，移动机器人如何正确感知和理解环境？这是自动驾驶汽车在拥挤的大城市中安全行驶必须解决的关键问题。即使物体被部分遮挡，人类依然可以想象物体的完整物理结构，但现有的使机器人和自动驾驶车辆能够感知其环境的人工智能（AI）算法不具备这种能力。

据外媒报道，针对上述问题，德国弗赖堡大学（University of Freiburg）机器人学习实验室（Robot Learning Lab）研究教授Abhinav Valada教授与博士生Rohit Mohan研究取得了新进展。

图片来源：弗赖堡大学

这两位德国弗莱堡科学家开发出模态（Amodal）全景分割任务，并使用新的AI方法证明了其可行性。截至目前，自动驾驶汽车一直使用全景分割来了解周围环境。

这意味着自动驾驶车辆只能预测图像的哪些像素属于对象（例如人或汽车）的哪些“可见”区域，并识别这些对象的实例，却无法预测物体的整个形状，即使只是被旁边的其他物体部分遮挡。使用Amodal全景分割进行感知的新任务使对环境的整体理解成为可能。

“Amodal”是指必须将对象的任意遮挡部分都抽象出来，不是视为部分或者碎片，而是应该将它们视为整体的一般理解。因此，这种视觉识别能力的提高将在提高自动驾驶汽车的安全性方面取得巨大进展。

该任务的目标是对道路、植被、天空等无定形背景类别的可见区域进行像素级语义分割，并对汽车、卡车和行人等可数类别的可见和遮挡对象区域进行实例分割。

基准测试和数据集会在网站上公开提供，包括两个新型学习算法。Valada解释说：“我们相信，用于这项任务的新型人工智能算法将使机器人能够感知物体的完整物理结构，从而模仿人类的视觉体验。Amodal全景分割将显著助力下一阶段的自动驾驶任务，而这些驾驶任务中，遮挡是一个主要挑战，例如深度估计、光流、对象跟踪、姿势估计、运动预测等。借助更先进的人工智能算法来完成这项任务，可以彻底改变自动驾驶汽车的视觉识别能力。例如，如果道路使用者的整个结构始终被感知，无论物体哪部分被遮挡，事故风险都可以显著降低。”

此外，通过推断场景中物体的相对深度顺序，自动驾驶汽车可以做出复杂的决策，例如朝哪个方向移动以获得更清晰的视野。