Can Webcam Gaze Constrain Mesa-Objectives in Driving Models? An Instrument Precision Analysis
Diese Studie zeigt auf, dass webcam-basiertes Eye-Tracking daran scheitert, Mesa-Zielsetzungen in autonomen Fahr-Modellen zu einschränken, da der räumliche Fehler des Instruments die Größe der meisten erkannten Gefahren erheblich überschreitet, was eine präzise Zuordnung von Blickpunkt zu Objekt physikalisch unmöglich macht.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie versuchen, einem Roboter das Autofahren beizubringen. Sie möchten, dass er Gefahren erkennt – wie einen Fußgänger, der vom Bordstein tritt, oder ein Auto, das plötzlich bremst – genau wie ein Mensch es tun würde. Aber es gibt ein kniffliges Problem: Manchmal lernen Roboter Abkürzungen. Anstatt wirklich zu verstehen, was etwas gefährlich macht, lernen sie vielleicht einfach, jedes bewegliche Objekt zu markieren, weil das während ihres Trainings gut funktioniert hat. Das ist so, als würde ein Schüler auswendig lernen, dass jede Frage mit dem Wort „Hund“ eine Fangfrage ist, anstatt die Geschichte tatsächlich zu lesen. Um dies zu verhindern, fragten sich Wissenschaftler: Was wäre, wenn wir dem Roboter zeigen könnten, wohin Menschen schauen, während sie fahren? Wenn der Roboter sieht, dass Menschen intensiv auf eine rote Ampel starren, bevor sie anhalten, lernt er vielleicht auch, dort hinzusehen, anstatt nur zu raten. Diese Idee nennt man die Verwendung von „privilegierten Informationen“ – dem Schüler zusätzliche Hinweise während der Übungsphase zu geben, die er bei der eigentlichen Prüfung nicht haben wird, in der Hoffnung, dass er durch diese Hinweise die richtige Lektion lernt.
Aber hier liegt der Haken: Wie bekommt man diese Hinweise? Man kann nicht jedem Fahrer einen millionenteuren, laserpräzisen Eye-Tracking-Helm aufsetzen. Deshalb versuchten die Forscher, eine gewöhnliche Webcam zu verwenden, die Art, wie sie in Ihrem Laptop oder Smartphone eingebaut ist, um zu erraten, wohin die Menschen schauen. Sie entwickelten ein massives Experiment, um zu sehen, ob diese billige, einfache Methode selbstfahrende Autos sicherer machen könnte. Sie sammelte über 137.000 Schnappschüsse davon, wohin Menschen blickten, während sie Dashcam-Videos von echten Fahrszenarien betrachteten. Sie testeten dies mit verschiedenen Arten von Computergehirnen, von einfachen bis hin zu sehr komplexen, und probierten sogar verschiedene Wege der „Kalibrierung“ der Webcam aus, um sie genauer zu machen. Sie wollten sehen, ob das Hinzufügen dieser „Wohin Menschen schauen“-Daten dem Roboter helfen würde, Gefahren besser zu erkennen.
Die kurze Antwort? Es hat überhaupt nicht funktioniert. Die Forscher fanden heraus, dass die Webcam einfach zu unscharf und ungenau war, um nützlich zu sein. Sie entdeckten, dass der Fehler der Schätzung der Webcam etwa 196 Pixel breit war. Um das einzuordnen: Das durchschnittliche gefährliche Objekt, das sie zu entdecken versuchten – wie ein Stoppschild, ein Fußgänger oder eine Ampel – war nur etwa 36 Pixel breit. Stellen Sie sich vor, Sie versuchen, mit einem Laserpointer auf eine winzige Ameise auf einem Fußballfeld zu zeigen, aber Ihre Hand zittert so stark, dass Ihr Laserpunkt das gesamte Stadion abdeckt. Das ist im Wesentlichen das, was passiert ist. Der „Punkt“ dessen, wohin die Webcam glaubte, dass die Person schaute, war so groß, dass er die Gefahr und alles um sie herum abdeckte. Aus diesem Grund konnte der Roboter nicht unterscheiden, ob der Mensch auf die Gefahr schaute oder nur in den Himmel daneben.
Das Team ging sehr gründlich vor. Sie haben den Test nicht nur einmal durchgeführt und dann aufgegeben. Sie probierten es mit einer „schwachen“ Kalibrierung (45 Klicks zur Einrichtung der Kamera) und einer „super starken“ Kalibrierung (440 Klicks). Sie testeten es mit einfachen Modellen und komplexen, die Zeit und Sequenzen verstehen können. Sie führten das Experiment sogar fünf verschiedene Male mit unterschiedlichen zufälligen Einstellungen durch, um sicherzustellen, dass sie nicht einfach nur Glück oder Pech hatten. In jedem einzelnen Fall waren die Ergebnisse dieselben: Die Blickdaten der Webcam brachten keinerlei Nutzen. Tatsächlich zeigte die Mathematik, dass die Verbesserung so winzig war, dass sie nur zufälliges Rauschen war. Die Forscher kamen zu dem Schluss, dass die Webcam-Version der Eye-Tracking-Methode zwar eine brillante Idee ist, aber physisch nicht in der Lage ist, den Job zu erledigen, weil ihr „Sehen“ zu verschwommen ist, um kleine, kritische Details zu unterscheiden. Sie veröffentlichten dieses „negative“ Ergebnis, um andere Wissenschaftler vor demselben Sackgassen-Weg zu bewahren, und bewiesen damit, dass zu wissen, was nicht funktioniert, manchmal genauso wichtig ist wie zu wissen, was funktioniert.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.