TITAN：利用动作先验进行未来预测

我们考虑从移动平台获得的以自我为中心的视角预测场景智能体未来轨迹的问题。该问题在多个领域十分重要，尤其对于在导航中做出反应性或战略性决策的自主系统。为解决此问题，我们引入 TITAN（Trajectory Inference using Targeted Action priors Network，利用针对性动作先验的轨迹推断网络），一种融合先验位置、动作和上下文以预测智能体未来轨迹及未来自我运动的模型。由于缺乏适用于该任务的合适数据集，我们创建了 TITAN 数据集，包含 700 段带里程计的标注视频片段，采集自东京高度交互的城市交通场景中行驶的车辆。我们的数据集包含 50 个标签，涵盖车辆状态与动作、行人年龄组以及针对性行人动作属性，按原子、简单/复杂上下文、传输和交际动作分层组织。为评估模型，我们在 TITAN 数据集上进行了广泛实验，显示出相较基线及最先进算法的显著性能提升。我们还报告了来自 Agent Importance Mechanism（AIM，智能体重要性机制）的有前景结果，该模块通过计算各智能体对未来自我轨迹的相对影响，提供对感知风险评估的洞察。数据集可在 https://usa.honda-ri.com/titan 获取。