Traj-MAE：用于轨迹预测的掩码自编码器
计算机视觉与模式识别
2023-03-14 v1
摘要
轨迹预测是通过预判潜在危险来构建可靠自动驾驶系统的关键任务。一个关键问题是生成一致且无碰撞的轨迹预测。为应对该挑战，我们提出了一种高效的用于轨迹预测的掩码自编码器（Traj-MAE），能更好地表征驾驶环境中智能体的复杂行为。具体而言，我们的 Traj-MAE 采用多样化的掩码策略对轨迹编码器和地图编码器进行预训练，从而在利用来自多粒度环境效应的同时，捕捉智能体间的社交与时间信息。为解决以多种掩码策略预训练网络时出现的灾难性遗忘问题，我们引入了持续预训练框架，可帮助 Traj-MAE 高效地从各种策略中学习有价值且多样的信息。我们在多智能体和单智能体设定下的实验结果均表明，Traj-MAE 取得了与最先进方法相竞争的结果，并显著优于我们的基线模型。
引用
@article{arxiv.2303.06697,
title = {Traj-MAE: Masked Autoencoders for Trajectory Prediction},
author = {Hao Chen and Jiaze Wang and Kun Shao and Furui Liu and Jianye Hao and Chenyong Guan and Guangyong Chen and Pheng-Ann Heng},
journal= {arXiv preprint arXiv:2303.06697},
year = {2023}
}