RedMotion：通过冗余削减进行运动预测
计算机视觉与模式识别
2025-04-02 v4 机器人学
摘要
我们介绍 RedMotion，一种用于自动驾驶车辆运动预测的 transformer 模型，它通过冗余削减学习环境表示。我们的第一类冗余削减由内部 transformer 解码器引发，将表示道路图和智能体数据的可变大小局部道路环境 token 集合削减为固定大小的全局嵌入。第二类冗余削减通过自监督学习获得，将冗余削减原理应用于从增强道路环境视图生成的嵌入。我们的实验表明，在半监督设置下，我们的表示学习方法优于 PreTraM、Traj-MAE 和 GraphDINO。此外，在 Waymo 运动预测挑战赛中，RedMotion 取得了与 HPTR 或 MTR++ 相竞争的结果。我们的开源实现可在 https://github.com/kit-mrt/future-motion 获取。
引用
@article{arxiv.2306.10840,
title = {RedMotion: Motion Prediction via Redundancy Reduction},
author = {Royden Wagner and Omer Sahin Tas and Marvin Klemp and Carlos Fernandez and Christoph Stiller},
journal= {arXiv preprint arXiv:2306.10840},
year = {2025}
}
备注
TMLR published version