基于递推最小二乘的 Rollout 轨迹预测方法精化网络
机器学习
2021-08-04 v2
摘要
轨迹预测在智能车辆领域起着关键作用。其目前面临若干挑战，例如 rollout 过程中的累积误差以及在不同场景中的弱适应性。本文提出一种基于深度神经网络的参数化学习递推最小二乘（RLS）估计用于轨迹预测。我们设计了一个灵活的插件模块，可便捷植入 rollout 方法中。提出目标点以从全局视角捕获长期预测稳定性。我们在 NGSIM 数据集上进行了实验。 promising 的结果表明，我们的方法可有效改进 rollout 轨迹预测方法。
引用
@article{arxiv.2102.10859,
title = {Recursive Least Squares Based Refinement Network for the Rollout Trajectory Prediction Methods},
author = {Qifan Xue and Xuanpeng Li and Weigong Zhang},
journal= {arXiv preprint arXiv:2102.10859},
year = {2021}
}