基于模型规划的车辆轨迹预测学习
计算机视觉与模式识别
2021-10-22 v2 机器人学
摘要
预测道路上车辆的未来轨迹对自动驾驶至关重要。本文提出一种称为 PRIME（基于模型规划的预测，Prediction with Model-based Planning）的新颖预测框架。与近期利用神经网络建模场景上下文并产生无约束轨迹的预测工作不同，PRIME 旨在生成准确且可行性有保障的未来轨迹预测。PRIME 通过利用基于模型的生成器在显式约束下产生未来轨迹来保证轨迹可行性，并通过基于学习的评价器选取未来轨迹来实现准确的多模态预测。我们在大规模 Argoverse 运动预测基准上开展实验，结果表明 PRIME 在预测精度、可行性及不完美跟踪下的鲁棒性方面均优于最先进方法。
引用
@article{arxiv.2103.04027,
title = {Learning to Predict Vehicle Trajectories with Model-based Planning},
author = {Haoran Song and Di Luan and Wenchao Ding and Michael Yu Wang and Qifeng Chen},
journal= {arXiv preprint arXiv:2103.04027},
year = {2021}
}
备注
Accepted by The Conference on Robot Learning (CoRL) 2021. Project page at http://haoran-song.github.io/prime