基于 Motion Transformer 的动态意图查询轨迹预测
机器人学
2025-04-23 v1 人工智能
摘要
在自动驾驶中，准确预测其他交通参与者的运动至关重要，因为这显著影响车辆的规划过程。现代轨迹预测模型致力于从代理数据和地图数据中解释复杂模式和依赖性。Motion Transformer（MTR）架构及其后续工作定义了基准测试中最准确的方法，如 Waymo 开放运动基准。MTR 模型使用预生成的静态意图点作为轨迹预测的初始目标点。然而，这些点的静态性质在特定交通情景下常导致与地图数据不匹配，导致不可行或不现实的目标点。我们的研究通过将场景特定的动态意图点集成到 MTR 模型中来解决这一局限。该 MTR 模型适配版本在 Waymo 开放数据集上进行训练和评估。我们的发现表明，引入动态意图点对轨迹预测准确性具有显著的正面影响，尤其是对于长时间范围的预测。此外，我们分析了对不符合地图数据或为非法机动的真实轨迹的影响。
引用
@article{arxiv.2504.15766,
title = {Dynamic Intent Queries for Motion Transformer-based Trajectory Prediction},
author = {Tobias Demmler and Lennart Hartung and Andreas Tamke and Thao Dang and Alexander Hegai and Karsten Haug and Lars Mikelsons},
journal= {arXiv preprint arXiv:2504.15766},
year = {2025}
}