基于智能体-地图联合表示与多头注意力的自动驾驶轨迹预测
计算机视觉与模式识别
2020-09-04 v3 机器人学
摘要
预测周围智能体的轨迹是自动驾驶车辆在复杂交通场景中导航的一项基本能力。智能体的未来轨迹可利用两个重要线索推断：智能体的位置与历史运动，以及静态场景结构。由于场景结构与智能体配置的高度可变性，已有工作采用注意力机制，分别应用于场景与智能体配置以学习两种线索中最显著的部分。然而，这两种线索紧密关联。智能体配置可指示场景中哪部分与预测最相关；静态场景反过来可帮助确定智能体间相互运动的相对影响。此外，未来轨迹的分布是多模态的，其模态对应于智能体的意图。智能体的意图同样指示场景与智能体配置中哪部分与预测相关。因此我们提出一种新方法，通过考虑静态场景与周围智能体的联合表示来应用多头注意力。我们利用每个注意力头生成一条不同的未来轨迹以应对未来轨迹的多模态性。我们的模型在 nuScenes 预测基准上取得了最先进的结果，并生成符合场景结构与智能体配置的多样化未来轨迹。
引用
@article{arxiv.2005.02545,
title = {Trajectory Prediction for Autonomous Driving based on Multi-Head Attention with Joint Agent-Map Representation},
author = {Kaouther Messaoud and Nachiket Deo and Mohan M. Trivedi and Fawzi Nashashibi},
journal= {arXiv preprint arXiv:2005.02545},
year = {2020}
}
备注
Revised submission for RA-L