用于多模态轨迹预测的类感知注意力
计算机视觉与模式识别
2022-09-02 v1
摘要
预测周围动态智能体可能的未来轨迹是自动驾驶的一项基本要求。这些轨迹主要取决于周围的静态环境以及这些动态智能体的过往运动。此外，智能体意图的多模态特性使轨迹预测问题更具挑战性。所有现有模型均将目标智能体与周围智能体同等对待，而未考虑物理属性的差异。本文提出了一种基于深度学习的自动驾驶多模态轨迹预测新框架，其通过加权注意力模块考虑目标车辆与周围车辆的物理属性（如物体类别及其物理尺寸），从而提高了预测精度。我们的模型在 nuScenes 轨迹预测基准中取得了使用栅格化地图输入环境信息的模型里的最佳结果。此外，我们的模型能够实时运行，推理速率超过 300 FPS。
引用
@article{arxiv.2209.00062,
title = {Class-Aware Attention for Multimodal Trajectory Prediction},
author = {Bimsara Pathiraja and Shehan Munasinghe and Malshan Ranawella and Maleesha De Silva and Ranga Rodrigo and Peshala Jayasekara},
journal= {arXiv preprint arXiv:2209.00062},
year = {2022}
}