基于混合交通图的相互作用轨迹预测
机器学习
2020-09-29 v1 计算机视觉与模式识别
机器人学
机器学习
摘要
交通参与者的行为预测是任何真实世界自动驾驶系统的重要组成部分。参与者的长期行为往往由其与场景中其他参与者或交通要素（红绿灯、停车标志）的相互作用所支配。为捕捉这一高度复杂的相互作用结构，我们提出使用一种混合图，其节点表示场景中的交通参与者以及静态和动态交通要素。参与者与交通要素之间不同的时间相互作用模式（如停止和行进）由图边显式建模。这种对离散相互作用类型的显式推理不仅有助于预测未来运动，还增强了模型的可解释性，这对于自动驾驶等安全关键应用十分重要。我们使用图神经网络预测参与者的轨迹和相互作用类型，并以半监督方式训练。我们表明，我们提出的模型 TrafficGraphNet 在保持高水平可解释性的同时，达到了最先进的轨迹预测精度。
引用
@article{arxiv.2009.12916,
title = {Interaction-Based Trajectory Prediction Over a Hybrid Traffic Graph},
author = {Sumit Kumar and Yiming Gu and Jerrick Hoang and Galen Clark Haynes and Micol Marchetti-Bowick},
journal= {arXiv preprint arXiv:2009.12916},
year = {2020}
}