利用 GAN 与可微轨迹栅格化改进鸟瞰图模型中的交通参与者运动预测
机器学习
2020-06-15 v2 机器人学
图像与视频处理
机器学习
摘要
自动驾驶难题中最关键的部分之一是预测周围交通参与者未来运动的任务，这使自动驾驶车辆能够在复杂世界中安全有效地规划其未来路径。最近，由于工业界和学术界研究人员日益浓厚的兴趣，已提出许多算法来解决这一重要问题。基于俯视场景栅格化的方法以及基于生成对抗网络（GANs）的方法已被证明特别成功，在交通运动预测任务上取得了最先进的精度。本文基于这两个方向，提出一种基于栅格化的条件 GAN 架构，由条件判别器输入处新颖的可微栅格化模块驱动，该模块以可微方式将生成的轨迹映射到栅格空间。这简化了判别器的任务，因为不符合场景的轨迹更易辨别，并允许梯度回流迫使生成器输出更好、更真实的轨迹。我们在大规模真实世界数据集上评估了所提方法，显示其优于基于 GAN 的最先进基线。
引用
@article{arxiv.2004.06247,
title = {Improving Movement Predictions of Traffic Actors in Bird's-Eye View Models using GANs and Differentiable Trajectory Rasterization},
author = {Eason Wang and Henggang Cui and Sai Yalamanchi and Mohana Moorthy and Fang-Chieh Chou and Nemanja Djuric},
journal= {arXiv preprint arXiv:2004.06247},
year = {2020}
}
备注
Accepted for publication at ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD) 2020