M2I：从因子化边缘轨迹预测到交互式预测
机器人学
2022-03-29 v2 人工智能
计算机视觉与模式识别
摘要
预测道路参与者的未来运动是城市场景中自动驾驶的重要任务。现有模型擅长预测单智能体的边缘轨迹，然而联合预测多智能体间符合场景的轨迹仍是一个开放问题。该挑战源于随智能体数量呈指数增长的预测空间。本工作中，我们利用交互智能体间的底层关系，将联合预测问题解耦为边缘预测问题。我们提出的方法M2I首先将交互智能体分类为影响者与反应者配对，然后利用边缘预测模型与条件预测模型分别预测影响者与反应者的轨迹。来自交互智能体的预测根据其联合似然进行组合与筛选。实验表明，这一简单而有效的方法在Waymo开放运动数据集交互式预测基准上达到了最先进性能。
引用
@article{arxiv.2202.11884,
title = {M2I: From Factored Marginal Trajectory Prediction to Interactive Prediction},
author = {Qiao Sun and Xin Huang and Junru Gu and Brian C. Williams and Hang Zhao},
journal= {arXiv preprint arXiv:2202.11884},
year = {2022}
}
备注
Accepted at CVPR 2022. Author version with 15 pages, 8 figures, and 3 tables. Code and demo available at paper website: https://tsinghua-mars-lab.github.io/M2I/