面向运动预测学习的协同轨迹表征
计算机视觉与模式识别
2024-11-01 v2
摘要
运动预测是自动驾驶的一项关键任务，利用来自基础设施和其他车辆的信息可以增强预测能力。现有研究主要聚焦于利用单帧协同信息来增强自车有限的感知能力，而未充分利用从协同设备观测到的交通参与者的运动与交互上下文。本文提出一种面向预测的表征范式，以利用协同信息中的运动与交互特征。具体而言，我们提出 V2X-Graph，一个具有代表性的框架，用于实现可解释且端到端的轨迹特征融合以进行协同运动预测。V2X-Graph 在 V2X-Seq 的车到基础设施（V2I）场景中得到评估。为进一步在车到一切（V2X）场景下评估，我们构建了首个真实世界 V2X 运动预测数据集 V2X-Traj，其中每个场景均包含多辆自动驾驶车辆与基础设施。在 V2X-Seq 与 V2X-Traj 上的实验结果表明了我们所提方法的优势。我们希望 V2X-Graph 与 V2X-Traj 能裨益协同运动预测的进一步发展。项目见 https://github.com/AIR-THU/V2X-Graph。
引用
@article{arxiv.2311.00371,
title = {Learning Cooperative Trajectory Representations for Motion Forecasting},
author = {Hongzhi Ruan and Haibao Yu and Wenxian Yang and Siqi Fan and Zaiqing Nie},
journal= {arXiv preprint arXiv:2311.00371},
year = {2024}
}
备注
Accepted by NeurIPS 2024