GoRela:采用相对表示实现视角不变的运动预测
机器人学
2022-11-10 v2 人工智能
计算机视觉与模式识别
机器学习
多智能体系统
摘要
运动预测任务对于自动驾驶车辆(SDVs)能够规划安全机动至关重要。为此,现代方法对地图、智能体过去轨迹及其交互进行推理以产生准确预测。主流方法是在每个目标智能体的参考系中对地图和其他智能体进行编码。然而,对于多智能体预测,该方法计算开销大,因为需要对每个智能体运行推理。为应对扩展挑战,目前的解决方案是在共享坐标系(例如SDV坐标系)中对所有智能体和地图进行编码。但这样本效率低下且易受域偏移影响(例如当SDV处于不常见状态时)。相比之下,本文中我们提出一种对所有智能体和地图的高效共享编码,且不牺牲精度或泛化能力。为此,我们利用成对相对位置编码,在异质空间图中表示智能体与地图元素之间的几何关系。该参数化使我们能够对任意场景视角保持不变,并通过复用离线计算的地图嵌入来节省在线计算。我们的解码器同样视角无关,在车道图上预测智能体目标以实现多样且上下文感知的多模态预测。我们在城市Argoverse 2基准以及一个新颖的高速公路数据集上展示了我们方法的有效性。
引用
@article{arxiv.2211.02545,
title = {GoRela: Go Relative for Viewpoint-Invariant Motion Forecasting},
author = {Alexander Cui and Sergio Casas and Kelvin Wong and Simon Suo and Raquel Urtasun},
journal= {arXiv preprint arXiv:2211.02545},
year = {2022}
}