基于 Transformer 网络的高速公路自动驾驶多模态操纵与轨迹预测
机器学习
2023-07-27 v2 机器人学
摘要
预测其他道路使用者（包括车辆）的行为（即操纵/轨迹）对于自动驾驶车辆(AVs)（亦称自动驾驶系统(ADSs)）的安全高效运行至关重要。由于车辆未来行为的不确定性，在给定驾驶场景中，车辆常存在多种合理的未来行为模式。因此，多模态预测比单模态预测能提供更丰富的信息，使 AVs 能够进行更好的风险评估。为此，我们提出了一种新颖的多模态预测框架，可预测多种合理行为模式及其似然。该框架包含针对操纵预测的定制问题表述、一种新颖的基于 Transformer 的预测模型，以及一种面向多模态操纵与轨迹预测的定制训练方法。该框架的性能使用三个公开高速公路驾驶数据集（即 NGSIM、highD 和 exiD）进行评估。结果表明，我们的框架在预测误差方面优于最先进的多模态方法，并能够预测合理的操纵与轨迹模式。
引用
@article{arxiv.2303.16109,
title = {Multimodal Manoeuvre and Trajectory Prediction for Automated Driving on Highways Using Transformer Networks},
author = {Sajjad Mozaffari and Mreza Alipour Sormoli and Konstantinos Koufos and Mehrdad Dianati},
journal= {arXiv preprint arXiv:2303.16109},
year = {2023}
}
备注
8 pages, 3 figures, submitted to IEEE RAL