提升运动预测中的上下文感知能力
计算机视觉与模式识别
2022-04-22 v2 人工智能
机器人学
摘要
基于学习的轨迹预测模型已取得巨大成功，其前景在于除运动历史外还能利用上下文信息。然而，我们发现最先进的预测方法往往过度依赖智能体当前的动力学，未能充分利用其输入所提供的语义上下文线索。为缓解此问题，我们提出 CAB，一种配备专门训练流程的运动预测模型，该流程旨在促进语义上下文信息的使用。我们还引入两个新指标——离散度与收敛至区间——用以衡量连续预测的时间一致性，我们发现标准指标中缺失这一性质。我们的方法在广泛采用的 nuScenes Prediction 基准及其最难样本子集上进行了评估。代码见 github.com/valeoai/CAB。
引用
@article{arxiv.2109.08048,
title = {Raising context awareness in motion forecasting},
author = {Hédi Ben-Younes and Éloi Zablocki and Mickaël Chen and Patrick Pérez and Matthieu Cord},
journal= {arXiv preprint arXiv:2109.08048},
year = {2022}
}
备注
CVPR Workshop on Autonomous Driving - WAD 2022