据外媒报道，优步研究人员在一篇论文中介绍了MultiNet系统，该系统可以根据自动驾驶汽车的激光雷达数据检测并预测障碍物的运动。研究人员称，与现有模型不同，MultiNet利用模型对车辆、行人和骑行者的行为和运动的不确定性进行分析，该模型对监测和预测进行推断，然后加以改进，从而生成可能的轨迹。

预测障碍物的未来状态是一项具有挑战性的任务，但却是防止道路事故的关键。自动驾驶汽车感知系统必须捕捉其他道路使用者的一系列可能轨迹，而不是单一轨迹。例如，迎面驶近十字路口的车辆可能会继续直行或在自动驾驶车辆前面转向。为了确保安全，自动驾驶汽车需要对这些可能性进行推理，并相应地调整行为。

MultiNet接收激光雷达传感器数据和街道高清地图，同时学习障碍物轨迹和轨迹的不确定性。对于车辆(但不包括行人或骑行者)，MultiNet会摈弃第一阶段的轨迹预测，提取物体的推断中心和航向，然后对其进行归一化，并利用算法，从而预测最终的未来轨迹和不确定性。

为了测试MultiNet的性能，研究人员基于ATG4D对系统进行了一天的训练。ATG4D是一组数据集，包含优步自动驾驶汽车在北美多个城市收集的5500个场景的激光雷达传感器读数。他们报告说，在车辆、行人和骑行者这三类障碍的预测准确率方面，MultiNet明显超过了几个普通系统。具体而言，建模不确定性使准确率提高了9%到13%，并且支持对未来交通出行的固有噪声进行推理。

研究人员指出，“在一个场景中，道路使用者接近十字路口时右转，普通系统错误地预测其将继续径直穿过十字路口，而MultiNet准确地预测到其会转弯，同时也预测到其直线行驶的可能性。我们看到，MultiNet预测到了两种可能性，包括在具有很大的不确定性的情况下，根据十字路口不寻常的形状，预测出转向轨迹。”