Smooth-Trajectron++：以平滑注意力增强 Trajectron++ 行为预测模型
机器学习
2023-06-05 v2
摘要
理解交通参与者的行为对于预测其未来轨迹至关重要，有助于为自动驾驶车辆开发安全可靠的规划系统。将认知过程与机器学习模型相融合在其他领域已展现出前景，但在大规模自动驾驶数据集中多交通智能体的轨迹预测方面仍有所欠缺。本研究考察了最先进的轨迹预测模型 Trajectron++，并通过在其注意力模块中引入平滑项对其进行了增强。该注意力机制模仿人类注意力，其灵感来自表明注意力切换存在局限性的认知科学研究。我们评估了由此得到的 Smooth-Trajectron++ 模型的性能，并在多个基准上将其与原始模型进行比较，揭示了将人类认知的洞见融入轨迹预测模型的潜力。
引用
@article{arxiv.2305.19678,
title = {Smooth-Trajectron++: Augmenting the Trajectron++ behaviour prediction model with smooth attention},
author = {Frederik S. B. Westerhout and Julian F. Schumann and Arkady Zgonnikov},
journal= {arXiv preprint arXiv:2305.19678},
year = {2023}
}