基于生成对抗网络的多类别场景轨迹预测
机器学习
2021-10-25 v1 人工智能
摘要
预测交通参与者的轨迹是自动驾驶的一项重要任务。大多数先前的轨迹预测工作仅考虑单一类别的道路参与者。我们使用序列到序列模型从观测路径预测未来路径,并通过将提取的标签表示与传统位置输入拼接,将类别信息融入模型。我们尝试了 LSTM 和 transformer 编码器,并使用 Social GAN 中引入的生成对抗网络来学习交通参与者的多模态行为。我们在包含 6 类道路参与者的 Stanford Drone 数据集上训练模型,并评估不同模型组件在多类别场景中对预测性能的影响。
引用
@article{arxiv.2110.11401,
title = {Trajectory Prediction using Generative Adversarial Network in Multi-Class Scenarios},
author = {Shilun Li and Tracy Cai and Jiayi Li},
journal= {arXiv preprint arXiv:2110.11401},
year = {2021}
}