不确定性下的导航：基于切换动力系统的轨迹预测与遮挡推理
机器人学
2024-10-15 v1 机器学习
摘要
预测靠近物体的未来轨迹，尤其是在遮挡情况下的轨迹预测， 是自动驾驶和安全机器人导航中的关键任务。先前的工作通常忽略对被遮挡物体的不确定性， 仅使用基于大型数据集训练的高容量模型（如 Transformer）来预测观察到的物体的轨迹。虽然这些方法在标准场景中有效， 但在长尾、安全关键场景中可能难以泛化。在本工作中， 我们探讨了一个概念框架，将轨迹预测和遮挡推理统一地放在同一类结构化概率生成模型中，即切换动力系统。随后我们使用 Waymo 开放数据集进行一些初始实验以说明其能力。
引用
@article{arxiv.2410.10653,
title = {Navigation under uncertainty: Trajectory prediction and occlusion reasoning with switching dynamical systems},
author = {Ran Wei and Joseph Lee and Shohei Wakayama and Alexander Tschantz and Conor Heins and Christopher Buckley and John Carenbauer and Hari Thiruvengada and Mahault Albarracin and Miguel de Prado and Petter Horling and Peter Winzell and Renjith Rajagopal},
journal= {arXiv preprint arXiv:2410.10653},
year = {2024}
}