論文の概要: Transformer based trajectory prediction

• arxiv url: http://arxiv.org/abs/2112.04350v1
• Date: Wed, 8 Dec 2021 16:00:14 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-19 13:00:54.466320
• Title: Transformer based trajectory prediction
• Title（参考訳）: 変圧器を用いた軌道予測
• Authors: Aleksey Postnikov, Aleksander Gamayunov, Gonzalo Ferrer
• Abstract要約: 我々は、トランスフォーマーニューラルネットワークを純粋にベースとした、不確実性を考慮した動き予測のための、単純かつ強力なベースラインを提案する。 実装が容易である一方で、提案手法は競争性能を達成し、2021年のシフト車両運動予測コンペティションで1$st$をランク付けする。
• 参考スコア（独自算出の注目度）: 71.31516599226606
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: To plan a safe and efficient route, an autonomous vehicle should anticipate future motions of other agents around it. Motion prediction is an extremely challenging task which recently gained significant attention of the research community. In this work, we present a simple and yet strong baseline for uncertainty aware motion prediction based purely on transformer neural networks, which has shown its effectiveness in conditions of domain change. While being easy-to-implement, the proposed approach achieves competitive performance and ranks 1$^{st}$ on the 2021 Shifts Vehicle Motion Prediction Competition.
• Abstract（参考訳）: 安全で効率的なルートを計画するには、自動運転車は周囲の他のエージェントの将来の動きを予測する必要がある。 運動予測は、最近研究コミュニティから大きな注目を集めた非常に困難な課題である。 本研究では,変圧器ニューラルネットワークを純粋にベースとした不確実な動作予測のための,単純かつ強力なベースラインを提案する。 実装が容易である一方で、提案手法は競争性能を達成し、2021年のシフト車両運動予測コンペティションで1$^{st}$にランク付けする。

関連論文リスト

• Kraken: enabling joint trajectory prediction by utilizing Mode Transformer and Greedy Mode Processing [1.1652135545484206]
  Krakenは、アクター間のペアワイズインタラクションを近似できるリアルタイムな軌道予測モデルである。 2021年10月、Kraken on Motion Prediction Challengeにおいて、Kraken on Motion Predictionがリーダーボードで第1位、Interaction Motion Leaderboardで第2位を占めた。
  論文  参考訳（メタデータ） (2023-12-08T16:24:05Z)
• Trajectory-Prediction with Vision: A Survey [0.0]
  軌道予測は極めて困難な課題であり、最近自動運転車研究コミュニティで注目を集めている。 優れた予測モデルでは、道路上の衝突を防止でき、従って自動運転車の最終的な目標である衝突速度は、数百万マイル毎の衝突である。 我々は,関連アルゴリズムを異なるクラスに分類し,軌道予測研究分野のトレンドを追究する。
  論文  参考訳（メタデータ） (2023-03-15T01:06:54Z)
• Motion Transformer with Global Intention Localization and Local Movement Refinement [103.75625476231401]
  動き TRansformer (MTR) は、大域的意図の局所化と局所的な動きの洗練の合同最適化として、動き予測をモデル化する。 MTRは、限界運動予測と関節運動予測の両方において最先端の性能を達成する。
  論文  参考訳（メタデータ） (2022-09-27T16:23:14Z)
• MotionCNN: A Strong Baseline for Motion Prediction in Autonomous Driving [6.10183951877597]
  畳み込みニューラルネットワークに基づくマルチモーダル動作予測のための,単純かつ非常に強力なベースラインを提案する。 ソースコードはGitHubで公開されています。
  論文  参考訳（メタデータ） (2022-06-05T12:31:58Z)
• Adaptive Trajectory Prediction via Transferable GNN [74.09424229172781]
  本稿では,トランジタブルグラフニューラルネットワーク(Transferable Graph Neural Network, T-GNN)フレームワークを提案する。 具体的には、ドメイン固有知識が減少する構造運動知識を探索するために、ドメイン不変GNNを提案する。 さらに,注目に基づく適応的知識学習モジュールを提案し,知識伝達のための詳細な個別レベルの特徴表現について検討した。
  論文  参考訳（メタデータ） (2022-03-09T21:08:47Z)
• Estimating Uncertainty For Vehicle Motion Prediction on Yandex Shifts Dataset [0.0]
  この研究は、分布シフトに頑健で、予測の不確実性を測定することのできるモデルの開発に焦点を当てている。 この作業では、ベンチマークを著しく改善し、リーダーボードで2位になったアプローチを提示します。
  論文  参考訳（メタデータ） (2021-12-15T18:58:55Z)
• 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)
• 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)
• TPNet: Trajectory Proposal Network for Motion Prediction [81.28716372763128]
  Trajectory Proposal Network (TPNet) は、新しい2段階の動作予測フレームワークである。 TPNetはまず、仮説の提案として将来の軌道の候補セットを生成し、次に提案の分類と修正によって最終的な予測を行う。 4つの大規模軌道予測データセットの実験は、TPNetが定量的かつ定性的に、最先端の結果を達成することを示した。
  論文  参考訳（メタデータ） (2020-04-26T00:01:49Z)

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。