针对自动驾驶的行人轨迹预测方法评估
机器学习
2024-04-08 v3 机器人学
摘要
在本文中，我们在生成单条轨迹的背景下评估了行人轨迹预测的最先进水平，这是与自动驾驶系统需求一致的关键方面。评估在广泛使用的ETH/UCY数据集上进行，并报告了平均位移误差(ADE)与最终位移误差(FDE)。与此同时，我们进行了消融研究以考察所观测运动历史对预测性能的影响。为评估每种方法在面临不同数量智能体时的可扩展性，我们测量了每个模型的推理时间。在定量分析之后，以定性方式比较所得预测，从而洞察当前方法的优势与不足。结果表明，尽管常速度模型(CVM)在多数情况下对整体动态提供了良好近似，但仍需融入额外特征以反映所观测到的常见行人行为。因此，本研究提出了一项数据驱动的分析，旨在指导行人轨迹预测算法的未来发展。
引用
@article{arxiv.2308.05194,
title = {Evaluating Pedestrian Trajectory Prediction Methods with Respect to Autonomous Driving},
author = {Nico Uhlemann and Felix Fent and Markus Lienkamp},
journal= {arXiv preprint arXiv:2308.05194},
year = {2024}
}
备注
Accepted in IEEE Transactions on Intelligent Transportation Systems (T-ITS); 11 pages, 6 figures, 4 tables