DiversityGAN：基于潜语义采样的多样性感知车辆运动预测
机器人学
2020-03-24 v2 人工智能
机器学习
摘要
车辆轨迹预测对于自动驾驶和高级驾驶辅助系统至关重要。尽管现有方法可从预测的车辆轨迹分布中采样，但它们缺乏探索该分布的能力——从规划与验证视角评估安全性的一项关键能力。在本工作中，我们设计了一种生成真实且多样车辆轨迹的新方法。我们用低维近似语义空间扩展生成对抗网络（GAN）框架，并塑造该空间以捕获诸如汇入与转弯等语义。我们以模仿预测分布的方式从该空间采样，同时允许我们控制语义不同结果的覆盖度。我们在公开可用数据集上验证了我们的方法，并展示了取得最先进预测性能的结果，同时提供了对预测轨迹语义空间的改进覆盖。
引用
@article{arxiv.1911.12736,
title = {DiversityGAN: Diversity-Aware Vehicle Motion Prediction via Latent Semantic Sampling},
author = {Xin Huang and Stephen G. McGill and Jonathan A. DeCastro and Luke Fletcher and John J. Leonard and Brian C. Williams and Guy Rosman},
journal= {arXiv preprint arXiv:1911.12736},
year = {2020}
}
备注
8 pages, 5 figures, 1 table