基于记忆神经网络的时空前瞻轨迹预测
机器人学
2022-02-01 v1 人工智能
摘要
在未知环境中对车辆轨迹进行预测本质上是一个具有挑战性的难题。此类车辆的行为高度受周围交通、道路状况以及环境中存在的异常参与者的影响。此外,行人、交通灯、停车标志等的存在使得推断各种交通参与者的行为更加困难。本文尝试使用一种称为记忆神经元网络(Memory Neuron Network)的新型循环神经网络来解决时空前瞻轨迹预测问题。记忆神经元网络(MNN)试图捕捉交通参与者过去位置与未来位置之间的输入输出关系。所提模型计算量较小,且与其他利用LSTM和GRU的深度学习模型相比具有简单架构。随后在公开可用的NGSIM数据集上对其进行评估,并将其性能与多种最先进算法进行比较。此外,还在由CARLA模拟器生成的自定义合成数据集上评估其性能。可见所提模型优于现有最先进算法。最后,将该模型与CARLA模拟器集成以测试其在实时交通场景中的鲁棒性。
引用
@article{arxiv.2102.12070,
title = {Spatio-Temporal Look-Ahead Trajectory Prediction using Memory Neural Network},
author = {Nishanth Rao and Suresh Sundaram},
journal= {arXiv preprint arXiv:2102.12070},
year = {2022}
}