算法融合人類經(jīng)驗(yàn)提升智駕性能，清華研究揭示人類與智駕算法視覺注意力的本質(zhì)差異

IT之家2 月 21 日消息，清華大學(xué)智能產(chǎn)業(yè)研究院（AIR）今日宣布，其團(tuán)隊(duì)在自然子刊《npj Artificial Intelligence》上發(fā)表研究，揭示了人類與智駕算法視覺注意力的本質(zhì)差異。

清華 AIR 團(tuán)隊(duì)通過對(duì)比 36 名駕駛員（18 名專家 / 18 名新手）的眼動(dòng)數(shù)據(jù)與算法表現(xiàn)，首次量化人類駕駛注意力的三階段模型。實(shí)驗(yàn)要求參與者完成危險(xiǎn)檢測(cè)、可用性識(shí)別及異常檢測(cè)三類任務(wù)，數(shù)據(jù)顯示人類任務(wù)準(zhǔn)確率分別為 0.88、0.86 和 0.98。

研究將人類視覺注意力劃分為掃描（刺激驅(qū)動(dòng)）、檢查（語義評(píng)估）、重新評(píng)估（任務(wù)驅(qū)動(dòng)）三階段，其中檢查階段平均持續(xù) 705.75 毫秒（專家）和 622.52 毫秒（新手）。當(dāng)將該階段注意力特征融入 AxANet 等算法后，異常檢測(cè)準(zhǔn)確率從 0.724 提升至 0.736，軌跡規(guī)劃誤差降低 11.1%（0.72 米 → 0.62 米）。在視覺語言模型測(cè)試中，僅細(xì)粒度任務(wù)（如 3D 描述）因存在“接地鴻溝”獲得顯著提升。

清華研究人員指出，算法難以自主獲取人類通過經(jīng)驗(yàn)賦予的語義優(yōu)先級(jí)能力。研究提出雙階段偽注意力生成方案，僅需 5 名駕駛員眼動(dòng)數(shù)據(jù)即可實(shí)現(xiàn)算法優(yōu)化，使中等規(guī)模模型（59.10M 參數(shù)）無需大規(guī)模預(yù)訓(xùn)練即可提升語義理解能力。該方案已在 UniAD 等車載實(shí)時(shí)系統(tǒng)驗(yàn)證可行性。

本文源自：IT之家

作者：王俊程