城市环境中基于学习的多模态运动预测
机器人学
2023-04-25 v1 系统与控制
系统与控制
摘要
运动预测是自动驾驶车辆全面部署的关键因素，对于在高度交互的复杂场景中导航时保障安全至关重要。本文中，由动态贝叶斯网络与马尔可夫链融合产生多模态概率输出的框架 IAMP（Interaction-Aware Motion Prediction，交互感知运动预测）被扩展以融入基于学习的方法。机器学习模型的引入解决了基于规则机制的局限，因其能更好地适应不同驾驶风格与驾驶情境。本文提出的方法生成上下文相关的加速度分布，用于基于马尔可夫链的运动预测。与基线相比，这种混合方法在四项评估指标上表现更优。
引用
@article{arxiv.2304.11764,
title = {Learning-enabled multi-modal motion prediction in urban environments},
author = {Vinicius Trentin and Chenxu Ma and Jorge Villagra and Zaid Al-Ars},
journal= {arXiv preprint arXiv:2304.11764},
year = {2023}
}
备注
Accepted for publication at the IEEE Intelligent Vehicle Symposium 2023