GATraj:一种基于图与注意力的多智能体轨迹预测模型
机器人学
2023-06-21 v2 计算机视觉与模式识别
摘要
轨迹预测在自动驾驶和机器人导航等智能系统中是一个长期存在的问题。在大规模基准上训练的模型在提升预测精度方面取得了显著进展。然而,实时应用对效率的重视较少。本文提出一种基于注意力的图模型,名为 GATraj,其在预测精度和推理速度间取得了良好平衡。我们利用注意力机制建模智能体(如行人或车辆)的时空动态,并利用图卷积网络建模其交互。此外,实现了拉普拉斯混合解码器以缓解模式崩溃并为每个智能体生成多样的多模态预测。GATraj 在 ETH/UCY 行人轨迹数据集上以高得多的速度取得最先进的预测性能,在 nuScenes 自动驾驶数据集上以约 100 Hz 推理速度取得良好性能。我们进行了大量实验来分析拉普拉斯混合解码器的概率估计,并将其与高斯混合解码器比较以预测不同多模态。此外,全面的消融研究证明了 GATraj 中每个提出模块的有效性。代码发布于 https://github.com/mengmengliu1998/GATraj。
引用
@article{arxiv.2209.07857,
title = {GATraj: A Graph- and Attention-based Multi-Agent Trajectory Prediction Model},
author = {Hao Cheng and Mengmeng Liu and Lin Chen and Hellward Broszio and Monika Sester and Michael Ying Yang},
journal= {arXiv preprint arXiv:2209.07857},
year = {2023}
}