CVAE-H：通过超网络与轨迹预测实现条件化变分自编码器及其在自动驾驶中的应用
机器学习
2022-01-25 v1 人工智能
机器人学
摘要
预测道路参与者在多样化环境中的随机行为是自动驾驶领域的一项挑战性任务。为了在不同环境中最佳地理解场景上下文并自适应地生成道路参与者多样化的可能未来状态，预测模型应具备概率性、多模态、上下文驱动和通用性。我们提出了通过超网络实现条件化的变分自编码器（CVAE-H），这是一种广泛利用超网络并针对预测等高维问题执行生成任务的条件变分自编码器。我们首先在简单的生成实验上评估 CVAE-H，以表明 CVAE-H 具备概率性、多模态、上下文驱动和通用性。随后，我们证明所提出的模型通过在各种环境中对道路参与者产生准确的预测，有效地解决了自动驾驶预测问题。
引用
@article{arxiv.2201.09874,
title = {CVAE-H: Conditionalizing Variational Autoencoders via Hypernetworks and Trajectory Forecasting for Autonomous Driving},
author = {Geunseob Oh and Huei Peng},
journal= {arXiv preprint arXiv:2201.09874},
year = {2022}
}