ScePT：面向规划的场景一致、基于策略的轨迹预测
人工智能
2022-06-28 v1 计算机视觉与模式识别
机器学习
机器人学
摘要
轨迹预测是自主系统与不设控智能体共享环境时的关键功能，一个典型例子是自动驾驶车辆。目前，大多数预测方法未强制场景一致性，即场景中不同智能体的预测轨迹之间存在大量自碰撞。此外，许多方法针对每个智能体生成独立轨迹预测，而非整个场景的联合轨迹预测，这给下游规划带来困难。本工作中，我们提出 ScePT，一种基于策略规划的轨迹预测模型，可生成准确、场景一致的轨迹预测，适用于自主系统运动规划。它显式强制场景一致性，并学习可用于条件预测的智能体交互策略。在多个真实世界行人与自动驾驶车辆数据集上的实验表明，ScePT 在匹配当前最先进（SOTA）预测精度的同时，显著改善了场景一致性。我们还展示了 ScePT 与下游应急规划器协同工作的能力。
引用
@article{arxiv.2206.13387,
title = {ScePT: Scene-consistent, Policy-based Trajectory Predictions for Planning},
author = {Yuxiao Chen and Boris Ivanovic and Marco Pavone},
journal= {arXiv preprint arXiv:2206.13387},
year = {2022}
}