深度上下文地图：基于位置特定隐式地图的智能体轨迹预测
机器人学
2020-07-08 v2 计算机视觉与模式识别
机器学习
摘要
在本文中，我们提出了一种在杂乱环境中进行智能体运动预测的新方法。预测智能体运动的主要挑战之一是考虑位置和上下文特定信息。我们的主要贡献是学习上下文地图以改进预测任务的概念。上下文地图是一组位置特定的隐式地图，与预测器一同训练。因此，所提出的地图能够捕捉超越视觉上下文线索（例如通常的平均速度和典型轨迹）或预定义地图基元（如车道和停止线）的位置上下文。我们将上下文地图学习表述为一个多任务训练问题，并描述了我们的地图模型及其融入最先进的轨迹预测器的方式。在大量实验中，结果表明使用学习到的地图可以显著提升预测器精度。此外，通过提供部分地图语义知识可进一步提高性能。
引用
@article{arxiv.1912.06785,
title = {Deep Context Maps: Agent Trajectory Prediction using Location-specific Latent Maps},
author = {Igor Gilitschenski and Guy Rosman and Arjun Gupta and Sertac Karaman and Daniela Rus},
journal= {arXiv preprint arXiv:1912.06785},
year = {2020}
}