基于代理-中心嵌入的场景级运动预测
计算机视觉与模式识别
2024-12-02 v3 机器人学
摘要
自驾车依赖于多模态运动预测来有效地与环境交互并计划安全的机动。我们提出 SceneMotion，一种基于注意力机制的模型，用于预测多个交通主体的场景级运动模式。我们的模型通过一种新颖的潜在上下文模块，将局部的主体-中心嵌入转化为场景级的预测。该模块从多个主体-中心嵌入中学习场景级潜在空间，从而实现联合预测和交互建模。在 Waymo 开放交互预测挑战赛中的竞争性表现证明了我们方法的有效性。此外，我们对未来路径点在时间和空间上的聚类，以量化主体之间的交互。我们合并所有模式并独立分析每个模式，以确定哪些聚类是通过交互解决的，或导致冲突。我们的实现已公开：https://github.com/kit-mrt/future-motion
引用
@article{arxiv.2408.01537,
title = {SceneMotion: From Agent-Centric Embeddings to Scene-Wide Forecasts},
author = {Royden Wagner and Ömer Sahin Tas and Marlon Steiner and Fabian Konstantinidis and Hendrik Königshof and Marvin Klemp and Carlos Fernandez and Christoph Stiller},
journal= {arXiv preprint arXiv:2408.01537},
year = {2024}
}
备注
ITSC'24; updated table VI