論文の概要: Goal-Directed Occupancy Prediction for Lane-Following Actors

• arxiv url: http://arxiv.org/abs/2009.12174v1
• Date: Sun, 6 Sep 2020 20:44:59 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-21 08:22:45.763328
• Title: Goal-Directed Occupancy Prediction for Lane-Following Actors
• Title（参考訳）: レーン追従アクターのゴール指向動作予測
• Authors: Poornima Kaniarasu, Galen Clark Haynes, Micol Marchetti-Bowick
• Abstract要約: 共有道路を走行する車両の将来の行動を予測することは、安全な自動運転にとって重要な課題である。 本稿では,地図化された道路トポロジを利用して,可能な目標を推論し,ダイナミックな道路アクターの空間的占有度を予測する手法を提案する。
• 参考スコア（独自算出の注目度）: 5.469556349325342
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Predicting the possible future behaviors of vehicles that drive on shared roads is a crucial task for safe autonomous driving. Many existing approaches to this problem strive to distill all possible vehicle behaviors into a simplified set of high-level actions. However, these action categories do not suffice to describe the full range of maneuvers possible in the complex road networks we encounter in the real world. To combat this deficiency, we propose a new method that leverages the mapped road topology to reason over possible goals and predict the future spatial occupancy of dynamic road actors. We show that our approach is able to accurately predict future occupancy that remains consistent with the mapped lane geometry and naturally captures multi-modality based on the local scene context while also not suffering from the mode collapse problem observed in prior work.
• Abstract（参考訳）: 共有道路を走る車両の将来の挙動を予測することは、安全な自動運転にとって重要なタスクである。 この問題に対する既存の多くのアプローチは、全ての可能な車両の挙動を単純化された高レベルの行動に蒸留しようと試みている。 しかし、これらのアクションカテゴリは、現実世界で遭遇する複雑な道路網で可能な全範囲の操作を記述するのに十分ではない。 この不足に対処するために,マップドロードトポロジーを利用して可能な目標を推論し,ダイナミックロードアクタの将来の空間占有率を予測する新しい手法を提案する。 提案手法は,地図付きレーン形状に整合した将来の占有率を正確に予測し,局所的なシーンコンテキストに基づくマルチモーダル性を自然に捉えつつ,先行作業で観測されるモード崩壊問題に悩まされないことを示す。

関連論文リスト

• QuAD: Query-based Interpretable Neural Motion Planning for Autonomous Driving [33.609780917199394]
  自動運転車は環境を理解して適切な行動を決定する必要がある。 従来のシステムは、シーン内のエージェントを見つけるためにオブジェクト検出に依存していた。 我々は、最初に占有する時間的自律性を知覚するカスケードモジュールから遠ざかる、統一的で解釈可能で効率的な自律フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-01T21:11:43Z)
• Tractable Joint Prediction and Planning over Discrete Behavior Modes for Urban Driving [15.671811785579118]
  自己回帰閉ループモデルのパラメータ化は,再学習を伴わずに可能であることを示す。 離散潜在モード上での完全反応性閉ループ計画を提案する。 当社のアプローチは、CARLAにおける従来の最先端技術よりも、高密度なトラフィックシナリオに挑戦する上で優れています。
  論文  参考訳（メタデータ） (2024-03-12T01:00:52Z)
• Implicit Occupancy Flow Fields for Perception and Prediction in Self-Driving [68.95178518732965]
  自動運転車(SDV)は、周囲を認識でき、他の交通参加者の将来の行動を予測できなければならない。 既存の作業は、検出されたオブジェクトの軌跡が続くオブジェクト検出を実行するか、シーン全体の密度の高い占有とフローグリッドを予測するかのいずれかである。 これは、認識と将来の予測に対する統一されたアプローチを動機付け、単一のニューラルネットワークで時間とともに占有とフローを暗黙的に表現します。
  論文  参考訳（メタデータ） (2023-08-02T23:39:24Z)
• Transferable and Adaptable Driving Behavior Prediction [34.606012573285554]
  本研究では,運転行動に対して高品質で伝達可能で適応可能な予測を生成する階層型フレームワークであるHATNを提案する。 我々は,交差点における実交通データの軌跡予測と,インターActionデータセットからのラウンドアバウンドのタスクにおいて,我々のアルゴリズムを実証する。
  論文  参考訳（メタデータ） (2022-02-10T16:46:24Z)
• Safety-aware Motion Prediction with Unseen Vehicles for Autonomous Driving [104.32241082170044]
  本研究では,無人運転用無人車を用いた新しい作業,安全を意識した動作予測手法について検討する。 既存の車両の軌道予測タスクとは異なり、占有率マップの予測が目的である。 私たちのアプローチは、ほとんどの場合、目に見えない車両の存在を予測できる最初の方法です。
  論文  参考訳（メタデータ） (2021-09-03T13:33:33Z)
• Contingencies from Observations: Tractable Contingency Planning with Learned Behavior Models [82.34305824719101]
  人間は未来の出来事を正確に推論することで決定を下す素晴らしい能力を持っている。 本研究では,高次元のシーン観察からエンドツーエンドに学習する汎用コンテンシビリティプランナを開発する。 このモデルが行動観察から忍耐強くコンティンジェンシーを学習できることを示す。
  論文  参考訳（メタデータ） (2021-04-21T14:30:20Z)
• Multi-modal Trajectory Prediction for Autonomous Driving with Semantic Map and Dynamic Graph Attention Network [12.791191495432829]
  現実の交通シナリオにおける軌道予測にはいくつかの課題がある。 目的や周囲に注意を払って交通をナビゲートする人々の自然な習慣に触発された本論文は,ユニークなグラフ注意ネットワークを示す。 ネットワークはエージェント間の動的社会的相互作用をモデル化し、セマンティックマップでトラフィックルールに適合するように設計されている。
  論文  参考訳（メタデータ） (2021-03-30T11:53:12Z)
• Deep Structured Reactive Planning [94.92994828905984]
  自動運転のための新しいデータ駆動型リアクティブ計画目標を提案する。 本モデルは,非常に複雑な操作を成功させる上で,非反応性変種よりも優れることを示す。
  論文  参考訳（メタデータ） (2021-01-18T01:43:36Z)
• What-If Motion Prediction for Autonomous Driving [58.338520347197765]
  生存可能なソリューションは、道路レーンのような静的な幾何学的文脈と、複数のアクターから生じる動的な社会的相互作用の両方を考慮しなければならない。 本稿では,解釈可能な幾何学的(アクター・レーン)と社会的(アクター・アクター)の関係を持つグラフに基づく注意的アプローチを提案する。 提案モデルでは,道路レーンやマルチアクターの相互作用を仮定的に,あるいは「何」かで予測できる。
  論文  参考訳（メタデータ） (2020-08-24T17:49:30Z)
• The Importance of Prior Knowledge in Precise Multimodal Prediction [71.74884391209955]
  道路にはよく定義された地形、地形、交通規則がある。 本稿では,構造的事前を損失関数として組み込むことを提案する。 実世界の自動運転データセットにおけるアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2020-06-04T03:56:11Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。