UST：统一时空上下文用于自动驾驶中的轨迹预测
计算机视觉与模式识别
2020-05-07 v1 机器学习
机器人学
摘要
轨迹预测一直是自动驾驶中的一个具有挑战性的问题，因为它需要从交通参与者的行为和交互中推断潜在意图。该问题本质上很困难，因为每个参与者在不同环境和交互下可能表现出不同行为。关键在于有效建模来自空间上下文和时间上下文的交织影响。现有工作通常分别编码这两类上下文，这会导致对场景建模不佳。本文中，我们首先提出一种统一方法，同等对待时间和空间维度以建模时空上下文。所提出的模块简单且易于在数行代码内实现。与严重依赖循环神经网络处理时间上下文和手工设计结构处理空间上下文的现有方法不同，我们的方法可自动划分时空空间以适应数据。最后，我们在最近提出的两个轨迹预测数据集 ApolloScape 和 Argoverse 上测试了所提框架。我们表明，所提方法在保持简洁的同时大幅优于先前的最先进（SOTA）方法。这些令人鼓舞的结果进一步验证了我们的方法的优越性。
引用
@article{arxiv.2005.02790,
title = {UST: Unifying Spatio-Temporal Context for Trajectory Prediction in Autonomous Driving},
author = {Hao He and Hengchen Dai and Naiyan Wang},
journal= {arXiv preprint arXiv:2005.02790},
year = {2020}
}