MTP-GO: 基于图的概率多智能体轨迹预测与神经常微分方程
机器人学
2023-12-12 v4 人工智能
机器学习
摘要
实现鲁棒的自主导航运动规划需要对周围道路使用者的未来行为作出可靠预测。针对这一需求及相关挑战，我们提出了名为 MTP-GO 的模型。该模型利用时序图神经网络对场景进行编码，以生成底层运动模型的输入。运动模型使用神经常微分方程实现，其中状态转移函数与模型其余部分一同学习。通过将混合密度网络与卡尔曼滤波相结合，获得多模态概率预测。结果表明了所提模型在多个数据集上的预测能力，在多项指标上优于若干 SOTA 方法。
引用
@article{arxiv.2302.00735,
title = {MTP-GO: Graph-Based Probabilistic Multi-Agent Trajectory Prediction with Neural ODEs},
author = {Theodor Westny and Joel Oskarsson and Björn Olofsson and Erik Frisk},
journal= {arXiv preprint arXiv:2302.00735},
year = {2023}
}
备注
Code: https://github.com/westny/mtp-go