Trajformer：基于局部自注意力上下文的自动驾驶轨迹预测
计算机视觉与模式识别
2020-12-01 v1
摘要
有效的特征提取对模型的上下文理解至关重要，尤其对于机器人与自动驾驶应用，如多模态轨迹预测。然而，最先进的生成方法在表征场景上下文方面存在局限，导致预测出不可允许的将来状态。我们通过使用自注意力缓解了这些局限，其能更好地控制对智能体社会上下文的表征；我们提出了一种局部特征提取流程，可向下游产出更具显著性的信息，并提升参数效率。我们在 Argoverse 数据集上针对多种基线展示了标准指标（minADE、minFDE、DAO、DAC）的改进。我们在 https://github.com/Manojbhat09/Trajformer 发布了代码。
引用
@article{arxiv.2011.14910,
title = {Trajformer: Trajectory Prediction with Local Self-Attentive Contexts for Autonomous Driving},
author = {Manoj Bhat and Jonathan Francis and Jean Oh},
journal= {arXiv preprint arXiv:2011.14910},
year = {2020}
}
备注
Accepted: Machine Learning for Autonomous Driving @ NeurIPS 2020