物理可行的车辆轨迹预测
机器人学
2021-05-03 v1 计算机视觉与模式识别
摘要
预测交通场景中参与者未来的运动是任何自动驾驶系统的关键部分。该领域近期研究聚焦于优化标准轨迹误差指标的轨迹预测方法。在本工作中,我们描述了三个重要性质——物理真实性保证、系统可维护性与样本效率——我们认为它们对于开发能够安全、实用地在真实世界中运行的自动驾驶系统同样重要。此外,我们提出 PTNet(PathTrackingNet),一种新颖的车辆轨迹预测方法,它是经典纯追踪路径跟踪算法与现代基于图的神经网络的混合。通过将结构化的机器人技术与灵活的学习方法相结合,我们得以构建一个系统,其不仅在传统轨迹误差指标上达到与其他最先进方法同等的性能,还对所预测轨迹的物理真实性提供强保证,同时仅需一半的数据量。我们认为聚焦这一类混合方法是开发并维护安全关键的自动驾驶系统的有益方向。
引用
@article{arxiv.2104.14679,
title = {Physically Feasible Vehicle Trajectory Prediction},
author = {Harshayu Girase and Jerrick Hoang and Sai Yalamanchi and Micol Marchetti-Bowick},
journal= {arXiv preprint arXiv:2104.14679},
year = {2021}
}