ProspectNet：用于行为预测中未来交互建模的加权条件注意力
人工智能
2022-11-01 v2 机器人学
摘要
行为预测在集成式自动驾驶软件解决方案中起着重要作用。在行为预测研究中，与单智能体行为预测相比，交互式行为预测是一个较少被探索的领域。预测交互智能体的运动需要引入新机制以捕捉交互对的联合行为。在这项工作中，我们将端到端联合预测问题表述为车辆行为边缘学习与联合学习的序贯学习过程。我们提出 ProspectNet，一种采用加权注意力分数来建模交互智能体对之间相互影响的学习块。该联合学习块首先对多模态预测候选轨迹进行加权，然后通过交叉注意力更新自智能体的嵌入。此外，我们将每个交互智能体的个体未来预测广播到一个成对评分模块，以选择前 个预测对。我们表明 ProspectNet 优于两个边缘预测的笛卡尔积，并在 Waymo 交互运动预测基准上取得了可比的性能。
引用
@article{arxiv.2208.13848,
title = {ProspectNet: Weighted Conditional Attention for Future Interaction Modeling in Behavior Prediction},
author = {Yutian Pang and Zehua Guo and Binnan Zhuang},
journal= {arXiv preprint arXiv:2208.13848},
year = {2022}
}