在线地图不确定性在轨迹预测中的生成与利用

高精地图（HD maps）在现代自动驾驶汽车（AV）技术栈的发展中发挥了不可或缺的作用，尽管其标注和维护成本高昂。因此，近期许多工作提出了基于传感器数据在线估计高精地图的方法，使自动驾驶汽车能够在先前未建图的区域运行。然而，当前的在线地图估计方法与其下游任务孤立开发，使其在自动驾驶技术栈中的集成变得复杂。特别是，这些方法不产生不确定性或置信度估计。在本工作中，我们扩展了多种最先进的在线地图估计方法，使其能够额外估计不确定性，并展示了这如何使在线建图与轨迹预测更紧密地集成。通过这样做，我们发现，在真实的 nuScenes 驾驶数据集上，引入不确定性可使训练收敛速度提升高达 50%，预测性能提升高达 15%。