GISNet：基于图的信息共享网络用于车辆轨迹预测
机器人学
2020-03-27 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
轨迹预测是自动驾驶系统设计中的一个关键且具有挑战性的问题。许多人工智能导向的公司，如 Google Waymo、Uber 和 DiDi，正在研究更精确的车辆轨迹预测算法。然而，预测性能受诸多纠缠因素制约，例如周围车辆的随机行为、自车轨迹的历史信息以及邻居的相对位置等。本文中，我们提出一种新颖的基于图的信息共享网络（GISNet），该网络允许目标车辆与其周围车辆之间进行信息共享。同时，模型对场景中全部车辆的历史轨迹信息进行编码。实验在公开的 NGSIM US-101 和 I-80 数据集上开展，预测性能以均方根误差（RMSE）度量。定量与定性实验结果表明，与现有模型相比，我们的模型将轨迹预测精度显著提升了最高达 50.00%。
引用
@article{arxiv.2003.11973,
title = {GISNet: Graph-Based Information Sharing Network For Vehicle Trajectory Prediction},
author = {Ziyi Zhao and Haowen Fang and Zhao Jin and Qinru Qiu},
journal= {arXiv preprint arXiv:2003.11973},
year = {2020}
}