NashFormer：利用局部纳什均衡实现语义多样轨迹预测
机器学习
2023-11-14 v3 计算机视觉与模式识别
计算机科学与博弈论
机器人学
最优化与控制
摘要
道路智能体之间的交互给轨迹预测带来了重大挑战，尤其是在涉及多个智能体的情况下。由于现有的多样性感知预测器未考虑多智能体预测的交互性质，它们可能遗漏这些重要的交互结果。在本文中，我们提出 NashFormer，一个利用博弈论逆强化学习来改善多模态预测覆盖率的轨迹预测框架。我们使用训练时的博弈论分析作为辅助损失，从而在不预设智能体动作分类法的情况下改善覆盖率和准确性。我们在 Waymo Open Motion Dataset 的交互划分上展示了我们的方法，包括四个涉及高交互复杂度场景的子集。实验结果表明，我们的预测器在产生准确预测的同时，相比基线模型覆盖了多 33% 的潜在交互。
引用
@article{arxiv.2305.17600,
title = {NashFormer: Leveraging Local Nash Equilibria for Semantically Diverse Trajectory Prediction},
author = {Justin Lidard and Oswin So and Yanxia Zhang and Jonathan DeCastro and Xiongyi Cui and Xin Huang and Yen-Ling Kuo and John Leonard and Avinash Balachandran and Naomi Leonard and Guy Rosman},
journal= {arXiv preprint arXiv:2305.17600},
year = {2023}
}
备注
8 pages, 6 figures