SMART: 同步多智能体循环轨迹预测
计算机视觉与模式识别
2020-07-28 v1 机器学习
摘要
我们提出了解决未来轨迹预测中两个关键挑战的进展:(i)训练数据与预测中的多模态性,以及(ii)与智能体数量无关的常数时间推理。现有轨迹预测从根本上受限于训练数据缺乏多样性,而难以获取具有充分模态覆盖的数据。我们的第一个贡献是一种自动方法,用于在俯视图中模拟多样化轨迹。它使用已有数据集和地图作为初始化,挖掘现有轨迹以表示真实驾驶行为,并使用多智能体车辆动力学模拟器生成覆盖多种模态且与场景布局约束一致的多样化新轨迹。我们的第二个贡献是一种新方法,在考虑场景语义与多智能体交互的同时生成多样化预测,且具有与智能体数量无关的常数时间推理。我们提出了一种带有新颖状态池化操作与损失的convLSTM,以单次前向传播预测多智能体的场景一致状态,并配合CVAE实现多样性。我们通过在所提出的模拟数据集与现有真实交通场景数据集上训练和测试,验证了所提出的多智能体轨迹预测方法。在两种情况下,我们的方法均大幅优于SOTA方法,凸显了多样化数据集模拟与常数时间多样化轨迹预测方法的益处。
引用
@article{arxiv.2007.13078,
title = {SMART: Simultaneous Multi-Agent Recurrent Trajectory Prediction},
author = {Sriram N N and Buyu Liu and Francesco Pittaluga and Manmohan Chandraker},
journal= {arXiv preprint arXiv:2007.13078},
year = {2020}
}
备注
Accepted at ECCV 2020