据外国媒体2月14报导，美国密歇根大学专家正利用人们的足下垂、人体对称和脚部偏移，专家教授无人驾驶汽车鉴别和预测行人的行動，其精准度要高过目前技术性。
据了解，汽车根据监控摄像头、激光雷达和卫星导航系统(GPS)搜集到的数据信息，能够 使科学研究工作人员可以捕获人类活动的视频短片，随后在三维(三d)电子计算机仿真模拟中重现他们。在这个基础上，专家造就了一个“运动生理学启迪下的循环系统神经元网络”，用以对人们健身运动开展归类。
据科学研究工作人员称，她们根据利用循环系统神经元网络预测间距汽车约50码处的一个或好多个行人的姿势以及将来部位，该互联网等于一个大城市交叉口的经营规模。汽车要想有着必需的预测能力，必须利用循环系统神经元网络深入分析人们姿势关键点，在其中包含人们足下垂的节奏感(规律性)、四肢的镜像系统对称，及其行走时脚的部位对身体可靠性的危害。
密歇根大学机械自动化终身教授Ram Vasudevan说：“先前在这里一行业的科学研究一般只关心静态数据图象，并不关心大家怎样在三维空间中健身运动。殊不知，假如这种汽车要在现实世界中运行和互动交流，大家必须保证对行人地理位置的预测与车子的下一步迈向不一致。行人的姿势和她们眺望的地区能够 对你说她们的专注力水准水平，也可以对你说她们下一步将要干什么。”
绝大多数将无人驾驶技术性提高至现阶段水准的深度学习优化算法，都涉及到二维图象—即静态数据照片。假如一台电脑上展现了数千万张的停车标志照片，最后它将可以在现实世界中即时鉴别出停车标志。殊不知，根据利用运作几秒的视频短片，系统软件能够 科学研究视频短片的上半部分来开展预测，随后用下半一部分来认证精确性。
最后，科学研究结果显示，这类新系统提高了自动驾驶汽车预测将来最有可能产生状况的能力，有益于提升无人驾驶汽车的安全系数。
