LMFormer：基于车道的运动预测Transformer
计算机视觉与模式识别
2025-04-15 v1 机器学习
摘要
运动预测是自动驾驶中的重要任务。本研究提出LMFormer，一种面向轨迹预测任务的车道感知Transformer网络。与前述研究不同，我们提供一种简单机制以动态优先级排序车道，证明该机制为网络学习行为引入可解释性。此外，LMFormer利用车道在交叉口、车道汇合和车道分支处的连接信息，以学习车道结构的长程依赖关系。我们还解决轨迹预测结果修正的问题，提出一种通过堆叠的Transformer层实现的高效迭代修正方法。为进行基准测试，我们在nuScenes数据集上评估LMFormer，证明其在多个指标上实现了SOTA性能。此外，还使用Deep Scenario数据集以展示跨数据集的网络性能，以及LMFormer在多个数据集上进行训练以获得更好性能的统一能力。
关键词
引用
@article{arxiv.2504.10275,
title = {LMFormer: Lane based Motion Prediction Transformer},
author = {Harsh Yadav and Maximilian Schaefer and Kun Zhao and Tobias Meisen},
journal= {arXiv preprint arXiv:2504.10275},
year = {2025}
}
备注
Accepted: Autonomous Driving Workshop, CVPR 2025