几年后的本日，随着这项技能的不断发展，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打破。直至本日，一个能够完备预判动作的AI算法被研发了出来，那便是东京工业大学研发的FuturePose。
戴上头显，大家都有写轮眼
近期，东京工业大学的研究团队发布了一套名为FuturePose的格斗演习系统。这一人工智能系统能够实时预测侦测工具0.5秒后的动作，带有武侠小说中“看穿仇敌动作”的风范。而更令人惊奇的是，仅利用一样平常的RGB摄像头（与普通手机相机水平相称）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供应助力。
一样平常迅速准确地预判对方下一步的动作须要永劫光的履历积累。现今，这种技能利用于青训中，将会大幅度减少年轻球员学会预判动作原来所需的韶光，迅速发展为有实力的球员。
此前，已有类似的预测系统干系的研究，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备依赖画面本身像素的流向，先通过机器学习与人工智能来定位枢纽关头，再由定位出来的枢纽关头和摆动方向去推断3D环境中的位置，全体过程非常异想天开。
实验表明，FuturePose系统可以利用普通的RGB相机实时记录下工具的运动情形，并推测其未来0.5秒的动作。该系统首先用RGB图像推测工具2D枢纽关头的位置，然后将工具2D枢纽关头的位置输入深度神经网络中进行剖析，以预测未来的姿态。为了加速打算，该系统采取了稀疏光流法。终极，预测的2D枢纽关头位置喂入线性回归网络，构筑成3D姿态。
在演习过程中，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。经由演习，Future Pose系统可作为格斗演习的赞助系统来利用。
虽然只有0.5秒的短暂时间，但对付专业的拳击选手来说，这已足以成为取胜的关键。出拳、闪躲、还击，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 的初衷是为了格斗演习，但该团队也希望，通过对该技能的不断完善，FuturePose可运用于其他竞技体育或娱乐项目中。
该系统还有其它拓展运用的考试测验。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舞蹈等动作。目前，该系统紧张运用于格斗演习，但相信该技能经由不断地完善，将更广泛地运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2019年，李飞飞团队结合了两种思想，成功开拓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色数据的根本上，对人体即将做出的动作进行判断。
此外，它还结合人体特色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，而且可以通过预测终极目的来改动人的行动轨迹。这项技能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”。
这个别系是自主导航机器人必不可少的关键技能之一。通过对周围人和车的连续不雅观察，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。索菲亚认为，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紧张手段之一。而学习行人动力学的跟踪数据也成为了海内一些汽车自动驾驶领域公司的主要研究方向。此外，预测驾驶中可能涌现的行车错位、车与车、车与静态物体相撞等事宜也能够帮助车辆提前感知风险、判断决策并规避危险事宜。
总的来说，行人道路预测技能是自主导航机器人中必不可少的技能之一。前所未有的精确性和高速率使其成为自动驾驶技能的主要基石。索菲亚认为，这个技能还为自动驾驶技能的发展供应了强有力的支持，为我们的出行供应了全新的体验。