Fugu-MT 論文翻訳(概要): IntentNet: Learning to Predict Intention from Raw Sensor Data

論文の概要: IntentNet: Learning to Predict Intention from Raw Sensor Data

arxiv url: http://arxiv.org/abs/2101.07907v1
Date: Wed, 20 Jan 2021 00:31:52 GMT
ステータス: 処理完了
システム内更新日: 2021-03-22 01:36:59.344160
Title: IntentNet: Learning to Predict Intention from Raw Sensor Data
Title（参考訳）: IntentNet: 生センサデータから意図を予測する学習
Authors: Sergio Casas, Wenjie Luo, Raquel Urtasun
Abstract要約: 本論文では,LiDARセンサが生成する3次元点群と,環境の動的なマップの両方を利用するワンステージ検出器と予測器を開発した。当社のマルチタスクモデルは、それぞれの別々のモジュールよりも高い精度を実現し、計算を節約します。
参考スコア（独自算出の注目度）: 86.74403297781039
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In order to plan a safe maneuver, self-driving vehicles need to understand the intent of other traffic participants. We define intent as a combination of discrete high-level behaviors as well as continuous trajectories describing future motion. In this paper, we develop a one-stage detector and forecaster that exploits both 3D point clouds produced by a LiDAR sensor as well as dynamic maps of the environment. Our multi-task model achieves better accuracy than the respective separate modules while saving computation, which is critical to reducing reaction time in self-driving applications.
Abstract（参考訳）: 安全な操縦を計画するために、自動運転車は他の交通参加者の意図を理解する必要がある。我々は、意図を、将来の動きを記述する連続的な軌跡と同様に、離散的なハイレベルな行動の組み合わせとして定義する。本論文では,lidarセンサが生成する3次元点雲と,環境の動的地図の両方を利用する1段階の検出器と予測器を開発した。マルチタスクモデルでは,各モジュールの計算時間を節約しながら,各モジュールの精度が向上する。