面向实时车辆轨迹预测的上下文感知时间维 VAE
计算机视觉与模式识别
2023-07-13 v3 机器学习
摘要
实时、准确预测人类转向行为具有广泛应用，从开发智能交通系统到在真实与仿真世界中部署自动驾驶系统。本文提出 ContextVAE，一种用于多模态车辆轨迹预测的上下文感知方法。基于时间维变分自编码器主干架构，ContextVAE 的观测编码采用双重注意力机制，以统一方式兼顾环境上下文与动态智能体状态。通过在智能体状态编码中利用从语义地图提取的特征，我们的方法同时考虑场景中智能体表现出的社会特征与物理环境约束，从而生成符合地图且具社会感知的轨迹。我们在 nuScenes 预测挑战、Lyft Level 5 数据集与 Waymo Open Motion Dataset 上进行广泛测试，以展示方法有效性及其 SOTA 性能。在所有测试数据集中，ContextVAE 模型训练快速，并实时提供高质量多模态预测。代码见：https://github.com/xupei0610/ContextVAE。
引用
@article{arxiv.2302.10873,
title = {Context-Aware Timewise VAEs for Real-Time Vehicle Trajectory Prediction},
author = {Pei Xu and Jean-Bernard Hayet and Ioannis Karamouzas},
journal= {arXiv preprint arXiv:2302.10873},
year = {2023}
}