CoverNet：基于轨迹集的多模态行为预测
机器学习
2020-04-03 v2 机器人学
机器学习
摘要
我们提出 CoverNet，一种用于城市驾驶的多模态概率轨迹预测新方法。先前工作采用了多种方法，包括多模态回归、占据图和单步随机策略。我们则将轨迹预测问题构建为在一组多样化轨迹上的分类。由于合理预测时域内可采取的明显不同动作数量有限，该集合的规模保持可控。我们结构化该轨迹集以 a) 确保对状态空间所需水平的覆盖，以及 b) 消除物理上不可能的轨迹。通过基于智能体当前状态动态生成轨迹集，我们可以进一步提高方法的效率。我们在公开的真实世界自动驾驶数据集上展示了我们的方法，并表明其优于最先进（SOTA）方法。
引用
@article{arxiv.1911.10298,
title = {CoverNet: Multimodal Behavior Prediction using Trajectory Sets},
author = {Tung Phan-Minh and Elena Corina Grigore and Freddy A. Boulton and Oscar Beijbom and Eric M. Wolff},
journal= {arXiv preprint arXiv:1911.10298},
year = {2020}
}