MTP：用于减少误差传播的多假设跟踪与预测
计算机视觉与模式识别
2021-10-19 v1 多智能体系统
机器人学
摘要
近年来，在开发标准感知-规划机器人自主流水线的各个独立模块（包括检测、跟踪、其他智能体轨迹预测以及自车轨迹规划）方面取得了巨大进展。然而，对这些组件的原则性整合关注较少，特别是在级联误差的表征与缓解方面。本文通过关注跟踪与预测模块之间的耦合来解决级联误差问题。首先，利用最先进的跟踪与预测工具，我们全面实验评估了源于跟踪的误差能在多大程度上严重影响预测性能。在 KITTI 和 nuScenes 数据集上，我们发现以跟踪轨迹作为输入的预测（实践中的典型情况）与使用真实过去轨迹作为输入的理想化设定相比，性能可能会出现显著（甚至一个数量级）的下降。为了解决这个问题，我们提出了一种多假设跟踪与预测框架。我们的框架不依赖于单一的跟踪结果集进行预测，而是同时对多组跟踪结果进行推理，从而增加将准确跟踪结果作为预测输入的可能性。我们表明，在 nuScenes 数据集上，该框架相较于标准的单假设跟踪-预测流水线，将整体预测性能提升了高达 34.2%；当将评估限制在涉及身份切换和片段的挑战性场景时，改进更为显著（高达 ~70%）——所有这些都伴随着可接受的计算开销。
引用
@article{arxiv.2110.09481,
title = {MTP: Multi-Hypothesis Tracking and Prediction for Reduced Error Propagation},
author = {Xinshuo Weng and Boris Ivanovic and Marco Pavone},
journal= {arXiv preprint arXiv:2110.09481},
year = {2021}
}
备注
Project page: https://www.xinshuoweng.com/projects/MTP