用于传感器数据关系行为预测的空间感知图神经网络
计算机视觉与模式识别
2019-10-21 v1 机器学习
机器人学
信号处理
摘要
本文中，我们解决基于传感器数据的关系行为预测问题。为此，我们提出一种新颖的空间感知图神经网络（SpAGNN），其对场景中智能体之间的交互进行建模。具体而言，我们利用卷积神经网络检测参与者并计算其初始状态。随后图神经网络通过消息传递过程迭代更新参与者状态。受高斯置信传播启发，我们将消息设计为来自相邻智能体输出分布的空间变换参数。我们的模型完全可微，从而支持端到端训练。重要的是，我们的概率预测能够在轨迹层级对不确定性进行建模。我们在两个真实世界自动驾驶数据集 ATG4D 和 nuScenes 上取得了显著优于现有最优方法的性能，从而证明了方法的有效性。
引用
@article{arxiv.1910.08233,
title = {Spatially-Aware Graph Neural Networks for Relational Behavior Forecasting from Sensor Data},
author = {Sergio Casas and Cole Gulino and Renjie Liao and Raquel Urtasun},
journal= {arXiv preprint arXiv:1910.08233},
year = {2019}
}