論文の概要: MotionCNN: A Strong Baseline for Motion Prediction in Autonomous Driving

• arxiv url: http://arxiv.org/abs/2206.02163v1
• Date: Sun, 5 Jun 2022 12:31:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-07 16:19:12.711123
• Title: MotionCNN: A Strong Baseline for Motion Prediction in Autonomous Driving
• Title（参考訳）: MotionCNN: 自動運転における運動予測のための強力なベースライン
• Authors: Stepan Konev, Kirill Brodt, Artsiom Sanakoyeu
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 6.10183951877597
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• 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 that recently gained significant attention within the research community. In this work, we present a simple and yet very strong baseline for multimodal motion prediction based purely on Convolutional Neural Networks. While being easy-to-implement, the proposed approach achieves competitive performance compared to the state-of-the-art methods and ranks 3rd on the 2021 Waymo Open Dataset Motion Prediction Challenge. Our source code is publicly available at GitHub
• 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内で大きな注目を集めた非常に難しい課題である。 本稿では,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。 実装が容易である一方で、提案手法は最先端の手法と比較して競争性能が向上し、2021年のWaymo Open Dataset Motion Prediction Challengeで3位となった。 ソースコードはGitHubで公開されています

関連論文リスト

• The WayHome: Long-term Motion Prediction on Dynamically Scaled [0.0]
  自動運転車にとって重要な課題の1つは、周囲の環境における他の物体の動きを正確に予測できることである。 我々は、自律走行車近傍のすべての交通参加者に対して、ニューラルネットワークに基づくモデルで複数のヒートマップを予測する。 ヒートマップは、最も将来的な位置に対応する座標を抽出する新しいサンプリングアルゴリズムの入力として使用される。
  論文  参考訳（メタデータ） (2023-10-06T13:17:46Z)
• 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)
• MTR-A: 1st Place Solution for 2022 Waymo Open Dataset Challenge -- Motion Prediction [103.75625476231401]
  本稿では,複数モーダル動作予測のための新しいモーショントランスフォーマーフレームワークを提案する。 非最大圧縮による単純なモデルアンサンブル戦略を採用し、最終的な性能をさらに向上させる。 当社のアプローチは,2022年のオープンデータセットチャレンジにおける行動予測のリーダーボード上での1位を達成し,他の手法よりも優れたマージンを達成している。
  論文  参考訳（メタデータ） (2022-09-20T23:03:22Z)
• Pedestrian 3D Bounding Box Prediction [83.7135926821794]
  我々は、自動運転車の複雑な動きの詳細をモデル化せずに、人間の合理的な推定値である3Dバウンディングボックスに焦点を当てる。 本稿では, 歩行者の3次元境界ボックス予測のための, 単純かつ効果的なモデルを提案する。 この方法は、繰り返しニューラルネットワークに基づくエンコーダ・デコーダアーキテクチャに従う。
  論文  参考訳（メタデータ） (2022-06-28T17:59:45Z)
• Transformer based trajectory prediction [71.31516599226606]
  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。
  論文  参考訳（メタデータ） (2021-12-08T16:00:14Z)
• 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)
• Multimodal Motion Prediction with Stacked Transformers [35.9674180611893]
  我々はmmTransformerと呼ばれるマルチモーダル動作予測のための新しいトランスフォーマーフレームワークを提案する。 スタックドトランスフォーマーに基づく新しいネットワークアーキテクチャは、固定された独立した提案のセットで機能レベルでマルチモダリティをモデル化するように設計されている。 次に、生成した提案のマルチモーダリティを誘導するために、地域ベースのトレーニング戦略を開発する。
  論文  参考訳（メタデータ） (2021-03-22T07:25:54Z)
• 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。