Hacia la conducción autónoma segura: Capturar la incertidumbre en la red neuronal profunda para la detección de vehículos 3D con Lidar

Para asegurar que un automóvil autónomo esté conduciendo de manera segura en las vías públicas, su módulo de detección de objetos no solo debe funcionar correctamente, sino también mostrar su confianza en la predicción. Los detectores de objetos anteriores impulsados por aprendizaje profundo no modelan explícitamente las incertidumbres en la red neuronal. Abordamos este problema presentando métodos prácticos para capturar incertidumbres en un detector de vehículos 3D para nubes de puntos Lidar. El detector probabilístico propuesto representa incertidumbre epistémica y aleatoria confiable en tareas de clasificación y localización. Los resultados experimentales muestran que la incertidumbre epistémica está relacionada con la precisión de la detección, mientras que la incertidumbre aleatoria se ve influenciada por la distancia del vehículo y la oclusión. Los resultados también muestran que podemos mejorar el rendimiento de la detección entre un 1% y un 5% modelando la incertidumbre aleatoria.