DiPA:面向自动驾驶的概率多模态交互式预测
机器人学
2023-08-11 v2
摘要
准确预测对于自动驾驶车辆在交互场景中运行十分重要。预测必须快速,以支撑规划器探索一系列可能未来时所发出的多个请求。生成的预测必须准确表示预测轨迹的概率,同时捕捉不同的行为模态(例如在路口左转与直行)。为此,我们提出 DiPA,一种满足这些严苛需求的交互式预测器。以往的交互式预测方法使用 k 模态样本编码,低估了完整分布。其他方法优化最近模态评估,即检验某一预测是否与真值相似,但会允许额外不太可能的预测出现,从而高估了不太可能的预测。DiPA 通过使用高斯混合模型编码完整分布,并同时以概率与最近模态度量优化预测,解决了这些局限。这些目标分别优化概率准确性与捕捉差异行为的能力,二者之间存在艰难的权衡。我们借助一种新颖训练机制得以同时求解两者。DiPA 在 INTERACTION 与 NGSIM 数据集上取得新的 SOTA 性能,并在同时使用最近模态与概率评估时优于基线(MFP)。这展示了在交互场景中支撑规划器的有效预测。
引用
@article{arxiv.2210.06106,
title = {DiPA: Probabilistic Multi-Modal Interactive Prediction for Autonomous Driving},
author = {Anthony Knittel and Majd Hawasly and Stefano V. Albrecht and John Redford and Subramanian Ramamoorthy},
journal= {arXiv preprint arXiv:2210.06106},
year = {2023}
}