KI-PMF：知识集成的合理运动预测
机器人学
2024-07-31 v3 人工智能
计算机视觉与模式识别
摘要
准确预测交通参与者的运动对于自动驾驶车辆的大规模部署至关重要。当前的轨迹预测方法主要侧重于用特定度量优化损失函数，这可能导致预测不遵守物理定律或违反外部约束。我们的目标是通过引入显式知识先验，使网络能够预测符合车辆运动学约束与驾驶环境几何特征的未来轨迹。为此，我们引入了一个非参数剪枝层与注意力层来整合所定义的知识先验。我们提出的方法旨在为复杂动态场景下的交通参与者提供可达性保证。通过约束网络遵循物理定律，我们可以获得准确且安全的预测，这对于维持自动驾驶车辆在实际环境中的安全性与效率必不可少。总之，本文提出了通过将知识先验融入训练过程来防止偏离道路预测、以实现安全可靠运动预测的概念。
引用
@article{arxiv.2310.12007,
title = {KI-PMF: Knowledge Integrated Plausible Motion Forecasting},
author = {Abhishek Vivekanandan and Ahmed Abouelazm and Philip Schörner and J. Marius Zöllner},
journal= {arXiv preprint arXiv:2310.12007},
year = {2024}
}