安全关键场景下的风险感知车辆轨迹预测
机器人学
2024-07-19 v1 人工智能
摘要
轨迹预测对于智能车辆实现高级别自动驾驶具有重要意义，近期已取得大量相关研究成果。尽管发展迅速，但现有研究大多仅关注正常安全场景，而在很大程度上忽略了安全关键场景，特别是那些涉及即将发生碰撞的场景。这一疏忽可能导致自动驾驶车辆在此类情况下缺乏必要的预测能力，对安全构成重大威胁。为解决这些问题，本文提出了一种专为安全关键场景定制的风险感知轨迹预测框架。利用独特的危险特征，我们开发了三个核心的风险感知组件。首先，我们引入了一个风险融合场景编码器，该编码器通过将定量风险信息融入常规编码器，实现对危险场景上下文的风险感知编码。其次，我们在解码器中引入端点-风险组合意图查询作为预测先验，以确保预测的多模态轨迹覆盖各种空间意图和风险等级。最后，我们实现了一个辅助风险预测任务，以实现最终的风险感知预测。此外，为了支持模型训练和性能评估，我们引入了一个安全关键轨迹预测数据集和定制的评估指标。我们进行了全面的评估，并将我们的模型与多个SOTA模型进行了比较。结果表明，我们的模型性能优越，在大多数指标上均有显著提升。这种预测能力的进步使自动驾驶车辆能够在安全关键场景下执行正确的避碰操作，最终提升道路交通安全。
引用
@article{arxiv.2407.13480,
title = {Risk-Aware Vehicle Trajectory Prediction Under Safety-Critical Scenarios},
author = {Qingfan Wang and Dongyang Xu and Gaoyuan Kuang and Chen Lv and Shengbo Eben Li and Bingbing Nie},
journal= {arXiv preprint arXiv:2407.13480},
year = {2024}
}