GRIP++：基于图的增强型交互感知轨迹预测方法用于自动驾驶
计算机视觉与模式识别
2020-05-21 v2 机器人学
摘要
尽管自动驾驶汽车技术取得了进展，但自动驾驶汽车的安全性仍是一个尚未得到充分研究的挑战性问题。运动预测是自动驾驶汽车的核心功能之一。此前，我们提出了一种称为GRIP的新颖方案，旨在高效预测自动驾驶汽车周围交通参与者的轨迹。GRIP使用图来表示邻近物体之间的交互，应用若干图卷积块提取特征，随后使用编码器-解码器长短期记忆（LSTM）模型进行预测。尽管我们的实验结果表明GRIP将最先进方案的预测精度提高了30%，但GRIP仍存在一些局限性。GRIP使用固定图来描述不同交通参与者之间的关系，因此在城市交通场景中使用时可能出现性能下降。因此，在本文中，我们描述了一种称为GRIP++的改进方案，其中我们对不同类型的交通参与者使用固定图和动态图进行轨迹预测。这一改进可帮助自动驾驶汽车避免许多交通事故。我们使用最近发布的城市交通数据集ApolloScape进行的评估表明，GRIP++取得了优于最先进方案的预测精度。GRIP++在2019年10月ApolloScape轨迹竞赛的排行榜上排名第一位。此外，GRIP++的运行速度比最先进方案CS-LSTM快21.7倍。
引用
@article{arxiv.1907.07792,
title = {GRIP++: Enhanced Graph-based Interaction-aware Trajectory Prediction for Autonomous Driving},
author = {Xin Li and Xiaowen Ying and Mooi Choo Chuah},
journal= {arXiv preprint arXiv:1907.07792},
year = {2020}
}