TrajectoryNAS：一种用于轨迹预测的神经架构搜索
计算机视觉与模式识别
2024-03-19 v1
摘要
自动驾驶系统是一项快速发展的技术，能够实现无人驾驶汽车的生产。轨迹预测是自动驾驶系统的关键组成部分，使汽车能够预测周围物体的运动以进行安全导航。由于提供 3D 信息，使用激光雷达点云数据的轨迹预测比 2D 图像表现更好。然而，处理点云数据比 2D 图像更复杂且耗时。因此，使用点云数据的 SOTA 3D 轨迹预测存在预测缓慢和错误的问题。本文介绍了 TrajectoryNAS，这是一种专注于利用点云数据进行轨迹预测的先驱方法。通过利用神经架构搜索 (NAS)，TrajectoryNAS 以连贯的方式自动化了轨迹预测模型的设计，涵盖物体检测、跟踪和预测。这种方法不仅解决了这些任务之间复杂的相互依赖关系，还强调了轨迹建模中准确性和效率的重要性。通过实证研究，TrajectoryNAS 证明了其在提升自动驾驶系统性能方面的有效性，标志着该领域的重大进展。实验结果表明，在 NuScenes 数据集上，与竞争方法相比，TrajectoryNAS 实现了至少 4.8% 的更高准确率和 1.1 倍的更低延迟。
关键词
引用
@article{arxiv.2403.11695,
title = {TrajectoryNAS: A Neural Architecture Search for Trajectory Prediction},
author = {Ali Asghar Sharifi and Ali Zoljodi and Masoud Daneshtalab},
journal= {arXiv preprint arXiv:2403.11695},
year = {2024}
}