R-Pred：基于管查询注意力的轨迹精炼两阶段运动预测
计算机视觉与模式识别
2023-07-17 v6
摘要
预测动态智能体的未来运动对于自主机器人运动规划中的安全保障与风险评估至关重要。本研究提出一种称为 R-Pred 的两阶段运动预测方法，旨在通过初始轨迹提议与轨迹精炼网络的级联有效利用场景与交互上下文。初始轨迹提议网络生成对应于未来轨迹分布 M 个模态的 M 个轨迹提议。轨迹精炼网络利用 1) 管查询场景注意力（TQSA）与 2) 提议级交互注意力（PIA）机制来增强每个 M 提议。TQSA 使用管查询聚合从感兴趣轨迹提议周边邻近区域池化的局部场景上下文特征。PIA 通过使用按其与邻近智能体距离选定的一组轨迹提议建模智能体间交互，进一步增强了轨迹提议。在 Argoverse 与 nuScenes 数据集上的实验表明，所提精炼网络相较单阶段基线有显著性能提升，且 R-Pred 在基准的部分类别上达到了 SOTA 性能。
引用
@article{arxiv.2211.08609,
title = {R-Pred: Two-Stage Motion Prediction Via Tube-Query Attention-Based Trajectory Refinement},
author = {Sehwan Choi and Jungho Kim and Junyong Yun and Jun Won Choi},
journal= {arXiv preprint arXiv:2211.08609},
year = {2023}
}