AI写轮眼帮你预判对方出拳！精准预测0.5秒后的动作

2011年，第一台仿人乒乓球机器人诞生，这台身高一米六五，体重55kg的大家伙，成为了全球第一台，拥有快速反应能力的仿人机器人，通过120帧高速相机的捕捉，它能够预测乒乓球的运动轨迹和落点，在当时，这一预测能力，被用于解决机器人如何快速回球的技术问题。

几年后的今天，随着这项技术的不断发展，预测行人和机动车的轨迹成了新的需求。2016年，MIT成功让机器人对剧中人物什么时候会击掌以及拥抱做出预测，虽然当时只能做到41%的准确率，但已经在预测这个方面做出了不小的突破。直至今天，一个能够完全预判动作的AI算法被研发了出来，那就是东京工业大学研发的FuturePose。

戴上头显，人人都有写轮眼

近期，东京工业大学的研究团队发布了一套名为FuturePose的格斗训练系统。这一人工智能系统能够实时预测侦测对象0.5秒后的动作，带有武侠小说中“看穿敌人动作”的风范。而更令人惊奇的是，仅使用一般的RGB摄像头（与普通手机相机水平相当）即可实现此功能。该系统可帮助年轻球员学习预判动作，为他们快速成为有实力的球员提供助力。

一般迅速准确地预判对方下一步的动作需要长时间的经验积累。现今，这种技术运用于青训中，将会大幅度减少年轻球员学会预判动作原本所需的时间，迅速成长为有实力的球员。

此前，已有类似的预测系统相关的研究，但这些早期系统仅限于单人模式，无法解析人与人之间的对抗，同时虚拟环境是伪三维的，是将二维人像融进了三维背景。而东京工业大学的这项科技则是完全依靠画面本身像素的流向，先通过机器学习与人工智能来定位关节，再由定位出来的关节和摆动方向去推断3D环境中的位置，整个过程非常异想天开。

实验表明，FuturePose系统可以使用普通的RGB相机实时记录下对象的运动情况，并推测其未来0.5秒的动作。该系统首先用RGB图像推测对象2D关节的位置，然后将对象2D关节的位置输入深度神经网络中进行分析，以预测未来的姿态。为了加速计算，该系统采用了稀疏光流法。最终，预测的2D关节位置喂入线性回归网络，构筑成3D姿态。

在训练过程中，系统将画面中的人物处理为2D火柴棍小人，并通过LSTM模型进行前后动作之间联系的学习。经过训练，Future Pose系统可作为格斗训练的辅助系统来使用。

虽然只有0.5秒的短暂时间，但对于专业的拳击选手来说，这已足以成为取胜的关键。出拳、闪躲、回击，所有这些动作都可以在0.5秒内完成。东京工业大学制作 FuturePose 的初衷是为了格斗训练，但该团队也希望，通过对该技术的不断完善，FuturePose可应用于其他竞技体育或娱乐项目中。

该系统还有其它拓展应用的尝试。例如，通过VR投显提醒学员对手0.5秒后的动作，以及预测守门员扑救点球和舞蹈者跳舞等动作。目前，该系统主要应用于格斗训练，但相信该技术经过不断地完善，将更广泛地应用于竞技体育以及娱乐项目中。

AI算法再度进化，助力自动驾驶

在近年，李飞飞团队结合了两种思想，成功开发出了一套人体行动轨迹预测系统。该系统在提取人体姿态动作和附近物品形成特征数据的基础上，对人体即将做出的动作进行判断。

此外，它还结合人体特征和画面中的其他物体，推测人的实际意图。因此，系统不仅可以验证人体即将做出的动作，而且可以通过猜测最终目的来修正人的行动轨迹。这项技术是由卡耐基梅隆大学、Google AI和斯坦福大学共同完成，李飞飞团队称其为“未来预测系统”。

这个系统是自主导航机器人必不可少的关键技术之一。通过对周围人和车的连续观察，它能够推测出他们之后的行动轨迹，从而帮助机器人做出决策，比如加速通过还是减速绕行。在汽车自动驾驶领域，预测行人的道路行为是避免潜在风险的主要手段之一。而学习行人动力学的跟踪数据也成为了国内一些汽车自动驾驶领域公司的重要研究方向。此外，预测驾驶中可能出现的行车错位、车与车、车与静态物体相撞等事件也能够帮助车辆提前感知风险、判断决策并规避危险事件。

总的来说，行人道路预测技术是自主导航机器人中必不可少的技术之一。前所未有的精确性和高速度使其成为自动驾驶技术的重要基石。索菲亚认为，这个技术还为自动驾驶技术的发展提供了强有力的支持，为我们的出行提供了全新的体验。