یکی از بزرگترین چالشهای دنیای هوش مصنوعی و خودروهای خودران، هزینهی بالای جمعآوری دادههای واقعی برای پیشبینی حرکت است. حالا محققان در یک پژوهش جدید، راهکاری برای حل این مشکل ارائه دادهاند:
🔹 معرفی رویکرد SRMP: این روش اجازه میدهد مدلها، دانشِ حرکت را از محیطهای شبیهسازیشده (Synthetic) به دنیای واقعی منتقل کنند.
🔹 نوآوریهای کلیدی: استفاده از «پیشبینی حرکت مبتنی بر شیء» و «بهبود حرکت با اولویتبندی اشیاء» که باعث میشود مدل در مواجهه با دادههای واقعی، عملکرد بسیار دقیقتری داشته باشد.
🔹 دادهست جدید Motion4D: این تیم همچنین اولین دیتاست سهبعدی-زمانی (4D) مبتنی بر لایدار (LiDAR) را برای تست این متد معرفی کرده که یک دستاورد بزرگ برای تحقیقات آینده است.
این پیشرفت یعنی در آینده خودروهای خودران میتوانند با هزینه کمتر و امنیت بسیار بالاتر، حرکات محیط اطرافشان را درک کنند! 🚀🤖
منبع: arXiv Computer Vision