为促进自动驾驶领域的行为预测技术发展，加速预测模型/算法评价的研究，加州大学伯克利分校机械系统控制实验室(MSCLab)携手AI数据服务平台提供商Graviti(格物钛)、世界领先的云服务商AWS(亚马逊云)举办的“INTERACTION数据集预测挑战赛”正式启动。
目前学术界和工业界一致认为，行为预测(Prediction:如轨迹、动作、意图)是自动驾驶领域最具挑战性的问题之一，它是阻碍全自动驾驶实现的一大因素。而要解决这一问题，有两个条件不可或缺：一是包含很多车辆和行人交互的真实场景运动数据的收集和积累，二是可以通过这些数据对各种预测算法进行正确而有效的评价。但不幸的是，目前没有一个可以公平比较不同预测模型(或算法)性能的基准，尤其是在考虑到有规划在环的情况下(模型集成了预测和规划两个模块)，公平基准是个大难题。
为此加州大学伯克利分校机械系统控制实验室(MSCLab)与来自卡尔斯鲁厄理工学院(KIT)和国立巴黎高等矿业学院(MINESParisTech)的合作者建立了一个国际性、对抗性、协作性的数据集(INTERACTION)。它能准确再现不同国家的各种驾驶场景中道路使用者(如车辆、行人)的大量交互性行为。
为了加快学术界和工业界围绕预测模型/算法评价的讨论和研究，加州大学伯克利分校机械系统控制实验室联合AI数据服务平台提供商Graviti(格物钛)和AWS(亚马逊云)发起了基于INTERACTION数据集(INTERPRET)的预测挑战赛，该挑战赛旨在为自动驾驶的发展构建有效且有价值的预测方法。
作为挑战赛赞助商的Graviti(格物钛)一直致力于让机器学习变得简单，让所有有创造力的个人和企业都能够轻松使用AI，实现AI触手可及。Graviti愿意通过自己一站式的机器学习平台，帮助更多的开发者可以更快的把无人驾驶变成现实。
此次大赛Graviti的数据集管理系统将被用来托管比赛所使用的训练、验证和测试数据，提供并开放给比赛参与者下载;同时Graviti的模型评估框架会被用来计算参赛者上传结果所取得的成绩，并生成排行榜。而AWS将为所有服务提供云服务资源和支持。
“INTERACTION数据集预测挑战赛”分为五个挑战赛，分别是常规挑战赛、数据效率挑战赛、概括性挑战赛、闭环挑战赛、开源挑战赛。本次大赛计划在3月和6月举办两轮比赛，根据较为公允的指标对预测模型和算法进行不同方面的评价和测试。参赛者可以获得训练和验证数据集的输入和输出，但只能获得测试集的输入。在参赛者提交了测试集上算法输出的结果后，将进行一系列评价，并在活动排行榜上公布得分。首轮赛事将持续到5月底截止，挑战赛数据集和结果将在6月举行的Waymo2020CVPR的论坛上公布。
欢迎参赛者尝试不同的挑战。
挑战赛中文入口
关于：加州大学伯克利分校的机械系统控制实验室(MSC实验室)
加州大学伯克利分校的机械系统控制实验室(MSC实验室)由MassayoshiTomizuka教授领导管理。MassayoshiTomizuka教授于1974年就职UCB机械工程系，目前是Cheryl和JohnNeerhout，Jr.杰出教授。MSC实验室对汽车自动化和控制领域有30多年的研究历史，并与加利福尼亚州PATH合作展示了Demo'97。
过去十年，MSC实验室集中研究智能/自主系统以及这类系统与人的交互，涉及制造( )和运输(自动驾驶车辆)领域。该研究强调了模型控制与机器学习之间的协同作用，同时还与众多工业伙伴合作进行自动驾驶研究，涵盖安全有效的计划/控制、交互性预测/决策、强大的感知/定位以及模拟/测试/数据集等方面。
关于：Graviti(格物钛)
为了满足企业AI开发者在将算法变成应用产品的过程中需要高精准度，规模化的真值数据和有效管理这些数据集的需求，Graviti提供一套基于SAAS模式的一站式集数据集管理，数据集交易，数据标注服务，沙箱模型训练和模型检测与评估的AI数据服务平台。
关于：AWS(亚马逊云)
亚马逊AWS(AmazonWebServices(AWS))是亚马逊提供的专业云计算服务，于2006年推出，是全球最大的云计算服务供应商。其主要优势之一是能够以根据业务发展来扩展的较低可变成本来替代前期资本基础设施费用。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
