EPN：基于车主规划信息的目标轨迹预测网络
机器人学
2025-02-14 v2
摘要
轨迹预测在提高自动驾驶车辆安全性方面发挥着关键作用。然而，由于该任务的高度动态和多模态特性，准确预测目标车辆的未来轨迹仍然是一个重大的挑战。为此，我们提出一种基于车主规划信息的网络 EPN，用于多模态轨迹预测。在实际驾驶中，车辆的未来轨迹不仅受其自身历史轨迹的影响，还受到其他车辆行为的影响。因此，我们将车主车辆的未来计划轨迹作为额外输入，以模拟车辆之间的相互影响。此外，为了解决基于驾驶意图方法常遇到的意图模糊和大预测误差问题，我们提出了一个端点预测模块，用于预测目标车辆的端点，通过纠正机制对其进行细化，并生成多模态预测轨迹。实验结果表明，EPN 在 NGSIM 数据集上在 RMSE、ADE 和 FDE 上分别平均降低 34.9%、30.7% 和 30.4%，在 HighD 数据集上分别平均降低 64.6%、64.5% 和 64.3%。该代码将在信件被接受后开源。
引用
@article{arxiv.2412.14442,
title = {EPN: An Ego Vehicle Planning-Informed Network for Target Trajectory Prediction},
author = {Saiqian Peng and Duanfeng Chu and Guanjie Li and Liping Lu and Jinxiang Wang},
journal= {arXiv preprint arXiv:2412.14442},
year = {2025}
}