通过轨迹预测传播状态不确定性

不确定性弥漫于现代机器人自主技术栈中，几乎每个组件（例如传感器、检测、分类、跟踪、行为预测）都产生连续或离散的概率分布。尤其是轨迹预测，其输入由（有噪声的）上游感知产生，其输出通常是用于下游规划的预测概率，因此被不确定性所包围。然而，大多数轨迹预测方法不考虑上游不确定性，仅采用最可能的值。结果，感知不确定性未通过预测传播，预测常常过于自信。为此，我们提出一种在轨迹预测中纳入感知状态不确定性的新方法，其关键组成部分是一个新的基于统计距离的损失函数，该函数鼓励预测的不确定性更好地匹配上游感知。我们在说明性仿真和大规模真实世界数据上评估了我们的方法，证明了其在通过预测传播感知状态不确定性和产生更校准的预测方面的有效性。