时序图上的轨迹预测
计算机视觉与模式识别
2022-07-04 v1 机器人学
摘要
预测场景中智能体未来的位置是自动驾驶中的一个重要问题。近年来，在表示场景及其中的智能体方面取得了显著进展。智能体与环境及彼此之间的交互通常用图神经网络建模。然而，图结构大多是静态的，无法表示高度动态场景中的时序变化。在本文中，我们提出一种时序图表示，以更好地捕捉交通场景中的动态。我们用两类记忆模块补充我们的表示：一类关注感兴趣智能体，另一类关注整个场景。这使我们能够学习时序感知的表示，即使通过简单的多重未来回归也能取得良好结果。当与目标条件预测结合时，我们展示了更好的结果，在Argoverse基准上可达到最先进的性能。
引用
@article{arxiv.2207.00255,
title = {Trajectory Forecasting on Temporal Graphs},
author = {Görkay Aydemir and Adil Kaan Akan and Fatma Güney},
journal= {arXiv preprint arXiv:2207.00255},
year = {2022}
}