TSGN:基于投影向量化表示的时间场景图神经网络用于多智能体运动预测
计算机视觉与模式识别
2023-05-16 v1
摘要
预测附近智能体的未来运动对于自动驾驶车辆采取安全有效的行动至关重要。本文中,我们提出TSGN,一种利用带投影向量化表示的时间场景图神经网络进行多智能体轨迹预测的框架。投影向量化表示将交通场景建模为一组向量构成的图。这些向量表示智能体、道路网络及其空间相对关系。该表示下的所有相对特征均同时具有平移与旋转不变性。基于此表示,TSGN捕捉跨智能体、道路网络、它们之间交互以及时间交通场景时间依赖的空间-时间特征。TSGN能够同时、合理且准确地预测所有智能体的多模态未来轨迹。同时,我们提出一种分层车道Transformer来捕捉智能体与道路网络间的交互,其过滤周围道路网络并仅保留最可能影响目标智能体未来行为的概率车道段。这在不牺牲预测性能的前提下大幅降低了计算负担。实验表明TSGN在Argoverse运动预测基准上取得了最先进的性能。
引用
@article{arxiv.2305.08190,
title = {TSGN: Temporal Scene Graph Neural Networks with Projected Vectorized Representation for Multi-Agent Motion Prediction},
author = {Yunong Wu and Thomas Gilles and Bogdan Stanciulescu and Fabien Moutarde},
journal= {arXiv preprint arXiv:2305.08190},
year = {2023}
}
备注
8 pages