基于向量化表示的条件式目标导向交互车辆轨迹预测
机器人学
2022-10-28 v1 人工智能
摘要
本文旨在解决交互行为预测任务,并提出一种新颖的条件式目标导向轨迹预测(CGTP)框架,以联合生成两个交互智能体的场景合规轨迹。我们的CGTP框架是一个端到端且可解释的模型,包含三个主要阶段:上下文编码、目标交互预测与轨迹交互预测。首先,设计感兴趣目标网络(GoINet)以基于图的向量化表示提取智能体间及智能体与目标间的交互特征。进而,条件式目标预测网络(CGPNet)通过边缘与条件目标预测器相结合的形式专注于目标交互预测。最后,提出面向目标的轨迹预测网络(GTFNet),以条件式目标导向预测器实现轨迹交互预测,并将另一交互智能体的预测未来状态作为输入。此外,开发了一种新的目标交互损失,以更好地学习两个交互智能体间目标候选的联合概率分布。最后,所提方法在Argoverse运动预测数据集、内部切入数据集与Waymo开放运动数据集上进行验证。对比结果表明,我们所提CGTP模型优于主流预测方法。
引用
@article{arxiv.2210.15449,
title = {Conditional Goal-oriented Trajectory Prediction for Interacting Vehicles with Vectorized Representation},
author = {Ding Li and Qichao Zhang and Shuai Lu and Yifeng Pan and Dongbin Zhao},
journal= {arXiv preprint arXiv:2210.15449},
year = {2022}
}
备注
14 pages, 4 figures