（图片来自“pixabay.com”）
据美国“优睿科”新闻网9月8日报道，在8月的计算机视觉虚拟会议上，一项新研究受到广泛关注。
卡内基梅隆大学（CMU）的研究人员开发了一种新的测量标准，用于评估自动驾驶汽车对不断变化的路况和交通状况的反应能力，这项发现能够帮助我们比较感知系统的准确性和反应时间。
CMU机器人研究所博士生Mengtian Li说：“学术研究人员倾向于开发复杂的算法，这些算法能够准确识别危险，但可能需要大量的计算时间。相比之下，技术工程师倾向于选择简单但精度较低的算法，这些算法速度快、计算量少，因此车辆能够更快地对危险做出反应。”
这种权衡不仅对自动驾驶汽车来说是个问题，对于任何需要实时感知外界动态的系统（如自主无人机和增强现实系统）来说都是一个问题。然而到目前为止，还没有用以平衡准确度和延迟时间（具体指事件发生与感知系统识别事件之间的时间差）的系统测量标准，这导致不同系统之间的优劣很难比较。
这项被称为“流感知精确度”的新度量标准由Li和机器人研究所副教授Deva Ramanan和伊利诺伊大学香槟分校助理教授Yu Xiong Wang共同开发。它通过比较感知系统每一时刻的输出与地面实况进行衡量。
Ramanan说：“流感知测量能力为现有感知系统提供了新视角。同一系统，按照传统性能度量标准测算性能良好，但在“流感知”标准的测算下可能性能不佳。这类系统可以通过新引入的度量标准得到优化，提高反应性能。”
研究小组发现，最佳解决方案不一定是让感知系统运行得更快，而是偶尔适时地暂停。跳过某些帧的处理可以防止系统不断落后于实况。”
另一个观点是在感知运算过程中加入预测方法，使车辆可以预测其他车辆和行人部分行动。该团队的流感知测量表明，进行这些预测所需的额外计算不会显著影响准确性或造成延迟。
版权声明：本文由科界平台原创编译，中文内容仅供参考，一切内容以英文原版为准。转载请注明来源科技工作者之家—科界App。
