EPG-MGCN：用于异质智能体轨迹预测的自车规划引导多图卷积网络
机器学习
2023-03-31 v1 计算机视觉与模式识别
机器人学
摘要
为了在复杂交通环境中安全驾驶，自动驾驶车辆需要对附近异质交通智能体（即车辆、行人、骑行者等）的未来轨迹做出准确预测。由于交互性质，人类驾驶员习惯于推断若执行不同操纵未来情境将如何变化。为充分利用交互影响，本文提出一种自车规划引导多图卷积网络（EPG-MGCN），利用历史轨迹信息与自车未来规划信息预测异质智能体的轨迹。EPG-MGCN首先通过采用四种图拓扑（即距离图、可见性图、规划图和类别图）对社会交互进行建模。随后，自车的规划信息由规划图及后续的规划引导预测模块共同编码，以降低轨迹预测中的不确定性。最后，设计了一种类别特定的门控循环单元（CS-GRU）编码器-解码器，为每类特定智能体生成未来轨迹。我们的网络在两个真实轨迹数据集ApolloScape和NGSIM上进行了评估。实验结果表明，与现有方法相比，所提出的EPG-MGCN达到了最先进的性能。
引用
@article{arxiv.2303.17027,
title = {EPG-MGCN: Ego-Planning Guided Multi-Graph Convolutional Network for Heterogeneous Agent Trajectory Prediction},
author = {Zihao Sheng and Zilin Huang and Sikai Chen},
journal= {arXiv preprint arXiv:2303.17027},
year = {2023}
}