Golfer：基于掩码目标条件化 MnM 网络的轨迹预测
计算机视觉与模式识别
2022-07-05 v1 机器人学
摘要
Transformer 已在自然语言处理和计算机视觉中带来突破，并近期开始在自动驾驶车辆（Autonomous Vehicle，AV）的轨迹预测中展现出有前景的性能。如何为标准注意力模块高效建模自车智能体与其他道路及动态物体之间的交互关系仍具挑战性。在本工作中，我们提出了一种通用的类 Transformer 架构模块 MnM 网络，并配备新颖的掩码目标条件化训练流程，用于 AV 轨迹预测。所得模型名为 golfer，取得了最先进的性能，在 2022 年 Waymo Open Dataset 运动预测挑战赛中获得第二名，并按 minADE 指标排名第一位。
引用
@article{arxiv.2207.00738,
title = {Golfer: Trajectory Prediction with Masked Goal Conditioning MnM Network},
author = {Xiaocheng Tang and Soheil Sadeghi Eshkevari and Haoyu Chen and Weidan Wu and Wei Qian and Xiaoming Wang},
journal= {arXiv preprint arXiv:2207.00738},
year = {2022}
}
备注
A preliminary version is presented at CVPR 2022 Workshop on Autonomous Driving https://cvpr2022.wad.vision