基于预期预测：一种基于交互学习的动作条件预测方法
机器学习
2020-12-29 v1 计算机视觉与模式识别
摘要
在自动驾驶（AD）中，准确预测环境变化可有效提升安全性与舒适性。然而，由于交通参与者间交互复杂，长时域的准确预测极难实现。为应对该挑战，我们提出“基于预期预测”，将交互视为一种潜在概率生成过程，其中部分车辆的运动是对其他车辆预期运动的响应。在此视角下，连续数据帧可分解为来自动作条件分布的序列样本，该分布能有效泛化至更广的动作与驾驶情形。我们提出的预测模型本质为变分贝叶斯，经训练以最大化该条件分布对数似然的证据下界（ELBO）。在知名自动驾驶数据集 NGSIM I-80 与 Argoverse 上的评估显示，我们的方法在精度与泛化性上均显著优于当前最先进水平。
引用
@article{arxiv.2012.13478,
title = {Prediction by Anticipation: An Action-Conditional Prediction Method based on Interaction Learning},
author = {Ershad Banijamali and Mohsen Rohani and Elmira Amirloo and Jun Luo and Pascal Poupart},
journal= {arXiv preprint arXiv:2012.13478},
year = {2020}
}