一种用于以自我为中心行人轨迹预测的新基准范式及尺度与运动感知模型

预测行人行为是智能驾驶系统的主要挑战之一。本文提出了一种评估以自我为中心行人轨迹预测算法的新范式。基于多种上下文信息，我们提取驾驶场景，以有意义且系统化的方式识别预测模型所面临的挑战。为此，我们还提出了一种新指标，用于在基于场景的评估中实现更有效的排序。我们在这些场景上对现有模型进行了广泛的实证研究，以揭示不同方法的不足与优势。基于场景的分析凸显了利用多模态信息源的重要性，以及因自我运动与行人尺度建模不足所带来的挑战。为此，我们提出了一种新颖的以自我为中心轨迹预测模型，该模型受益于以高效逐步分层方式融合的多模态数据源，以及两个旨在学习更鲁棒场景动态表示的辅助任务。通过常用基准数据集上的实证评估，我们表明在具有挑战性的场景中，相较以往方法我们的方法取得了高达40%的显著提升。