MSMA：多源数据集成环境下互联与自动驾驶车辆中的多智能体轨迹预测
机器人学
2024-08-05 v2 机器学习
摘要
周围车辆轨迹的预测对于无碰撞路径规划至关重要。在本研究中，我们聚焦于一种场景：一辆互联与自动驾驶车辆（CAV）作为中心智能体，利用传感器和通信技术来感知其周围交通，包括自动驾驶车辆（AV）、互联车辆（CV）和人工驾驶车辆（HDV）。我们的轨迹预测任务面向所有检测到的周围车辆。为了有效整合来自传感器和通信技术的多源数据，我们提出了一种名为 MSMA 的深度学习框架，利用交叉注意力模块实现多源数据融合。矢量地图数据被用于提供上下文信息。轨迹数据集在 CARLA 仿真器中收集，并引入了合成数据误差。数值实验表明，在混合交通流场景中，来自不同来源的数据的集成增强了我们对环境的理解。这显著提升了轨迹预测的准确性，特别是在 CV 市场渗透率较高的情况下。代码可在以下地址获取：https://github.com/xichennn/MSMA。
引用
@article{arxiv.2407.21310,
title = {MSMA: Multi-agent Trajectory Prediction in Connected and Autonomous Vehicle Environment with Multi-source Data Integration},
author = {Xi Chen and Rahul Bhadani and Zhanbo Sun and Larry Head},
journal= {arXiv preprint arXiv:2407.21310},
year = {2024}
}