为了实现更安全的自动驾驶，我们需要给无人车大脑输入“高精度地理信息”以及“行人姿态”。行车路况通过激光扫描可以构建出来规则的行车信息，预测其他车主的运动趋势，高精度地图包含无人车行驶在任何一条公路上的实时信息。而行人姿态一直是一项困难的问题，此前的行人姿态预测，均为2D情况下。
近期，以自动驾驶汽车技术闻名的密歇根大学（University of Michigan）一直在研究一种改进的算法，用于预测行人的移动，这种算法不仅考虑了行人在做什么，还考虑了他们是如何做的。这种肢体语言对于预测一个人接下来要做什么是至关重要的。
“观测行人并预测他们将要做什么”，是任何自动车辆视觉系统的重要组成部分。如何理解行人的存在、运动，是车辆自行做决策和人类驾驶员的一个巨大的差异。多数无人车企业在宣传自己的自动驾驶功能时，很少突出自己能否检测三维状态下的人体移动趋势。而这项技术在密西根大学研究人员眼中颇为重要。
现代汽车中的ADAS （高级驾驶辅助系统）包括感知系统、通信系统、决策系统和控制系统。而无人车对这些功能有更高的要求，在无人介入的情况下，自动驾驶对于道路上随机变化的情况应有更为灵活的决策，才能保障车内车外的人类安全。
密西根大学的这项技术论文为《生物长短期记忆网络：一种生物力学启发的用于三维行人姿态的递归神经网络和步态预测》，在学术界有不小轰动，但具体到硬件实施与商业落地，可能还需要些时日。
