LaneRCNN：面向图中心运动预测的分布式表示
计算机视觉与模式识别
2021-01-19 v1 机器人学
摘要
预测动态参与者未来行为是许多机器人应用（如自动驾驶）中的一项重要任务。它极具挑战性，因为参与者具有潜在意图，其轨迹受其他参与者、自身与地图之间复杂交互的支配。本文中，我们提出 LaneRCNN，一种图中心运动预测模型。重要的是，依托专门设计的图编码器，我们学习每个参与者的局部车道图表示（LaneRoI），以编码其历史运动与局部地图拓扑。我们进一步开发一种交互模块，允许在共享的全局车道图内于局部图表示间进行高效消息传递。此外，我们基于车道图参数化输出轨迹，这是一种更宜处理的预测参数化。我们的 LaneRCNN 以分布式且地图感知的方式捕获参与者间及参与者与地图间的关系。我们在大规模 Argoverse 运动预测基准上展示了方法的有效性。我们在排行榜上取得第 1 名，并显著优于先前最佳结果。
引用
@article{arxiv.2101.06653,
title = {LaneRCNN: Distributed Representations for Graph-Centric Motion Forecasting},
author = {Wenyuan Zeng and Ming Liang and Renjie Liao and Raquel Urtasun},
journal= {arXiv preprint arXiv:2101.06653},
year = {2021}
}