先验知识在精确多模态预测中的重要性
计算机视觉与模式识别
2020-06-05 v1 人工智能
机器学习
机器人学
机器学习
摘要
道路具有明确定义的几何结构、拓扑与交通规则。虽然这在运动规划方法中已被广泛利用以产生合法机动,但很少有学者致力于在感知与运动预测方法中利用这些先验。本文中我们提出将这些结构化先验作为损失函数加以纳入。与施加硬约束不同,该方法允许模型在真实世界中出现不合规机动时进行处理。安全运动规划是最终目标,因此对场景可能未来发展的概率性刻画对于选择期望代价最低的规划至关重要。朝此目标,我们设计了一个利用 REINFORCE 来从概率模型中对样本轨迹引入可微先验的框架,从而优化整个分布。我们在包含复杂道路拓扑与多智能体交互的真实世界自动驾驶数据集上展示了我们方法的有效性。我们的运动预测不仅展现出更好的精度与地图理解,更重要的是带来了由我们自动驾驶车辆所采取的更安全运动规划。我们强调,尽管该评估十分重要,它却常被以往的感知与运动预测工作所忽视。
引用
@article{arxiv.2006.02636,
title = {The Importance of Prior Knowledge in Precise Multimodal Prediction},
author = {Sergio Casas and Cole Gulino and Simon Suo and Raquel Urtasun},
journal= {arXiv preprint arXiv:2006.02636},
year = {2020}
}