Can Webcam Gaze Constrain Mesa-Objectives in Driving Models? An Instrument Precision Analysis
Questo studio dimostra che l'eye tracking basato su webcam non riesce a vincolare i mesa-obiettivi nei modelli di guida autonoma perché l'errore spaziale dello strumento supera significativamente le dimensioni della maggior parte degli ostacoli rilevati, rendendo l'attribuzione precisa tra sguardo e oggetto fisicamente impossibile.
Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Immagina di cercare di insegnare a un robot come guidare un'auto. Vuoi che individui il pericolo — come un pedone che scende dal marciapiede o un'auto che frena bruscamente — proprio come farebbe un essere umano. Ma c'è un problema complicato: a volte, i robot imparano delle scorciatoie. Invece di capire davvero cosa rende qualcosa pericoloso, potrebbero semplicemente imparare a segnalare qualsiasi oggetto in movimento perché questo ha funzionato bene durante l'addestramento. Questo è come uno studente che impara a memoria che ogni domanda con la parola "cane" è una domanda trabocchetto, invece di leggere effettivamente la storia. Per fermare questo fenomeno, gli scienziati si sono chiesti: e se potessessimo mostrare al robot dove stanno guardando gli esseri umani mentre guidano? Se il robot vedesse che gli umani fissano intensamente un semaforo rosso prima di fermarsi, forse imparerebbe a guardare lì anche lui, invece di limitarsi a indovinare. Questa idea è chiamata uso di "informazioni privilegiate" (privileged information) — dare allo studente degli indizi extra durante la pratica che non avrà durante l'esame finale, sperando che impari la lezione giusta grazie a quegli indizi.
Ma ecco il problema: come si ottengono questi indizi? Non puoi allacciare un elmetto per l'eye-tracking da un milione di dollari su ogni conducente. Quindi, i ricercatori hanno provato a usare una normale webcam, di quelle integrate nel tuo laptop o nel tuo telefono, per indovinare dove guardano le persone. Hanno costruito un esperimento massiccio per vedere se questo metodo economico e facile poteva insegnare alle auto a guida autonoma a essere più sicure. Hanno raccolto oltre 137.000 istantanee di dove le persone guardavano mentre osservavano video di guida dashcam in scenari di guida reali. Hanno testato questo approccio con diversi tipi di cervelli informatici, da quelli semplici a quelli molto complessi, e hanno persino provato diversi modi per "calibrare" la webcam per renderla più accurata. Volevano vedere se aggiungere questo dato sul "dove guardano gli umani" avrebbe aiutato il robot a individuare i pericoli meglio.
La risposta breve? Non ha funzionato affatto. I ricercatori hanno scoperto che la webcam era semplicemente troppo sfocata e imprecisa per essere utile. Hanno scoperto che l'errore nella stima della webcam era largo circa 196 pixel. Per mettere questo dato in prospettiva, l'oggetto pericoloso medio che stavano cercando di individuare — come un segnale di stop, un pedone o un semaforo — era largo solo circa 36 pixel. Immagina di cercare di puntare un puntatore laser su una piccola formica in uno stadio di football, ma la tua mano trema così tanto che il punto del laser copre l'intero stadio. Questo è essenzialmente ciò che è accaduto: il "punto" di dove la webcam pensava che la persona stesse guardando era così grande da coprire l'ostacolo e tutto ciò che lo circondava. A causa di questo, il robot non poteva capire se l'umano stesse guardando il pericolo o semplicemente il cielo accanto ad esso.
Il team è stato molto meticoloso. Non si sono limitati a eseguire il test una volta per poi arrendersi. Hanno provato con una calibrazione "debole" (45 clic per configurare la telecamera) e una calibrazione "super forte" (440 clic). Hanno provato con modelli semplici e complessi capaci di comprendere il tempo e le sequenze. Hanno persino eseguito l'esperimento cinque volte diverse con diverse impostazioni casuali per assicurarsi che non fosse solo fortuna o sfortuna. In ogni singolo caso, i risultati erano gli stessi: i dati della direzione dello sguardo della webcam aggiungevano zero benefici. Infatti, la matematica mostrava che il miglioramento era così minuscolo da essere solo rumore casuale. I ricercatori hanno concluso che, sebbene l'idea di usare l'eye-tracking per insegnare ai robot sia brillante, la versione con la webcam economica è fisicamente incapace di svolgere il compito perché la sua "visione" è troppo sfocata per distinguere dettagli piccoli e critici. Hanno pubblicato questo risultato "negativo" per risparmiare tempo ad altri scienziati che potrebbero imboccare la stessa strada senza uscita, dimostrando che a volte, sapere cosa non funziona è importante quanto sapere cosa funziona.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.