受人类观察启发的混合自动驾驶交通环境轨迹预测
机器人学
2024-03-11 v2
摘要
在蓬勃发展的自动驾驶车辆 (AV) 领域，轨迹预测仍然是一个艰巨的挑战，尤其是在混合自动驾驶环境中。传统方法通常依赖于时间序列分析等计算方法。我们的研究则大不相同，采用了一种跨学科方法，将人类认知和观察行为的原理整合到 AV 的轨迹预测模型中。我们引入了一种新颖的“自适应视觉扇区”机制，该机制模拟了人类驾驶员根据空间方位、接近程度和行驶速度等因素表现出的动态注意力分配。此外，我们利用卷积神经网络 (CNN) 和图注意力网络 (GAT) 开发了一个“动态交通图”，以捕捉智能体之间的时空依赖关系。在 NGSIM、HighD 和 MoCAD 数据集上的基准测试表明，我们的模型 (GAVA) 分别比最先进的基线至少高出 15.2%、19.4% 和 12.0%。我们的发现强调了利用人类认知原理来增强 AV 中轨迹预测算法的熟练度和适应性的潜力。所提出模型的代码可在我们的 Github 上获取。
引用
@article{arxiv.2402.04318,
title = {Human Observation-Inspired Trajectory Prediction for Autonomous Driving in Mixed-Autonomy Traffic Environments},
author = {Haicheng Liao and Shangqian Liu and Yongkang Li and Zhenning Li and Chengyue Wang and Yunjian Li and Shengbo Eben Li and Chengzhong Xu},
journal= {arXiv preprint arXiv:2402.04318},
year = {2024}
}