交叉路口可迁移的行人运动预测模型
计算机视觉与模式识别
2019-09-20 v2 机器学习
摘要
自动驾驶汽车的一项理想能力是准确预测交叉路口附近行人的运动，以实现安全高效的轨迹规划。我们致力于开发迁移学习算法，其可在一个交叉路口收集的行人轨迹上训练，但仍能对另一个先前未见过的交叉路口的轨迹提供准确预测。我们首先讨论了可迁移行人运动模型的特征选择问题。在此基础上，我们开发了一种基于逆强化学习（IRL）的可迁移行人运动预测算法，该算法根据观测轨迹推断行人意图并预测未来轨迹。我们在两个交叉路口收集的数据集上评估了我们的算法，在一个交叉路口训练并在另一个交叉路口测试。我们以增广半非负稀疏编码（ASNSC）在同一交叉路口训练和测试的准确率作为基线。结果表明，所提算法在非迁移任务中比基线准确率提高40%，在迁移任务中提高16%。
引用
@article{arxiv.1804.00495,
title = {Transferable Pedestrian Motion Prediction Models at Intersections},
author = {Macheng Shen and Golnaz Habibi and Jonathan P. How},
journal= {arXiv preprint arXiv:1804.00495},
year = {2019}
}