基于Transformer神经网络的多模态自动驾驶运动预测
机器人学
2021-09-15 v1
摘要
预测道路上其他智能体的行为对自动驾驶的安全性和效率至关重要。然而，具有挑战性的部分在于如何表示智能体间的社会交互，并具可解释地输出不同可能的轨迹。本文引入一种基于Transformer结构的神经预测框架，以建模交互智能体间的关系并提取目标智能体对地图航点的注意力。具体而言，我们将交互智能体组织为图，并利用多头注意力Transformer编码器提取它们之间的关系。为应对运动预测的多模态性，我们提出多模态注意力Transformer编码器，将多头注意力机制修改为多模态注意力，且每条预测轨迹以独立的注意力模式为条件。所提模型在Argoverse运动预测数据集上得到验证，在保持小模型规模和简单训练过程的同时展现出最先进的预测精度。我们还证明多模态注意力模块能自动识别目标智能体在地图上注意力的不同模式，从而提升模型的可解释性。
引用
@article{arxiv.2109.06446,
title = {Multi-modal Motion Prediction with Transformer-based Neural Network for Autonomous Driving},
author = {Zhiyu Huang and Xiaoyu Mo and Chen Lv},
journal= {arXiv preprint arXiv:2109.06446},
year = {2021}
}