論文の概要: RESET: Revisiting Trajectory Sets for Conditional Behavior Prediction

• arxiv url: http://arxiv.org/abs/2304.05856v1
• Date: Wed, 12 Apr 2023 13:39:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-13 14:51:32.772113
• Title: RESET: Revisiting Trajectory Sets for Conditional Behavior Prediction
• Title（参考訳）: RESET:条件行動予測のための軌道集合の再検討
• Authors: Julian Schmidt, Pascal Huissel, Julian Wiederer, Julian Jordan, Vasileios Belagiannis, Klaus Dietmayer
• Abstract要約: 本稿では、トラジェクトリセット生成のための新しいメトリック駆動アルゴリズムとグラフベースのエンコーダを組み合わせたRESETを提案する。 非条件予測では、RESETは回帰ベースのアプローチと同等のパフォーマンスを達成する。 条件付き予測では、RESETは計画された軌道の遅い融合によって合理的な結果を得る。
• 参考スコア（独自算出の注目度）: 12.945951957551317
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: It is desirable to predict the behavior of traffic participants conditioned on different planned trajectories of the autonomous vehicle. This allows the downstream planner to estimate the impact of its decisions. Recent approaches for conditional behavior prediction rely on a regression decoder, meaning that coordinates or polynomial coefficients are regressed. In this work we revisit set-based trajectory prediction, where the probability of each trajectory in a predefined trajectory set is determined by a classification model, and first-time employ it to the task of conditional behavior prediction. We propose RESET, which combines a new metric-driven algorithm for trajectory set generation with a graph-based encoder. For unconditional prediction, RESET achieves comparable performance to a regression-based approach. Due to the nature of set-based approaches, it has the advantageous property of being able to predict a flexible number of trajectories without influencing runtime or complexity. For conditional prediction, RESET achieves reasonable results with late fusion of the planned trajectory, which was not observed for regression-based approaches before. This means that RESET is computationally lightweight to combine with a planner that proposes multiple future plans of the autonomous vehicle, as large parts of the forward pass can be reused.
• Abstract（参考訳）: 自動運転車の異なる計画軌道上での交通参加者の行動を予測することが望ましい。 これにより、下流のプランナーはその決定の影響を見積もることができる。 条件付き挙動予測の最近のアプローチは回帰デコーダに依存しており、座標係数や多項式係数は回帰される。 本研究では,事前定義された軌跡集合における各軌跡の確率を分類モデルにより決定し,まず条件付き挙動予測のタスクに利用する,集合に基づく軌跡予測を再検討する。 本稿では、トラジェクトリセット生成のための新しいメトリック駆動アルゴリズムとグラフベースのエンコーダを組み合わせたRESETを提案する。 非条件予測では、RESETは回帰ベースのアプローチと同等のパフォーマンスを達成する。 集合ベースのアプローチの性質上、実行時や複雑性に影響を与えることなく、柔軟な軌道数を予測できるという利点がある。 条件付き予測では,レグレッションベースのアプローチでは観測されなかった計画軌道の後期融合により合理的な結果が得られる。 これは、フォワードパスの大部分を再利用できるため、自律走行車の複数の将来の計画を提案するプランナーと組み合わせて計算的に軽量であることを意味する。

関連論文リスト

• Certified Human Trajectory Prediction [66.1736456453465]
  交通予知は自動運転車に不可欠な役割を担っている。 本稿では,軌道予測作業に適した認証手法を提案する。 非有界出力や変異モダリティを含む、軌道予測に関連する固有の課題に対処する。
  論文  参考訳（メタデータ） (2024-03-20T17:41:35Z)
• PBP: Path-based Trajectory Prediction for Autonomous Driving [3.640190809479174]
  軌道予測は自動運転スタックにおいて重要な役割を果たす。 近年、ゴールに基づく予測モデルは、将来の軌道のマルチモーダルな性質に対処するために注目を集めている。
  論文  参考訳（メタデータ） (2023-09-07T14:45:41Z)
• Uncertainty estimation of pedestrian future trajectory using Bayesian approximation [137.00426219455116]
  動的トラフィックシナリオでは、決定論的予測に基づく計画は信頼できない。 著者らは、決定論的アプローチが捉えられない近似を用いて予測中の不確実性を定量化する。 将来の状態の不確実性に対する降雨重量と長期予測の影響について検討した。
  論文  参考訳（メタデータ） (2022-05-04T04:23:38Z)
• Stochastic Trajectory Prediction via Motion Indeterminacy Diffusion [88.45326906116165]
  運動不確定性拡散(MID)の逆過程として軌道予測タスクを定式化する新しい枠組みを提案する。 我々は,履歴行動情報と社会的相互作用を状態埋め込みとしてエンコードし,トランジトリの時間的依存性を捉えるためにトランスフォーマーに基づく拡散モデルを考案する。 スタンフォード・ドローンやETH/UCYデータセットなど,人間の軌道予測ベンチマーク実験により,本手法の優位性を実証した。
  論文  参考訳（メタデータ） (2022-03-25T16:59:08Z)
• Trajectory Forecasting from Detection with Uncertainty-Aware Motion Encoding [121.66374635092097]
  物体検出と追跡から得られる軌道は、必然的にうるさい。 本稿では, 明示的に形成された軌道に依存することなく, 直接検出結果に基づく軌道予測器を提案する。
  論文  参考訳（メタデータ） (2022-02-03T09:09:56Z)
• Sliding Sequential CVAE with Time Variant Socially-aware Rethinking for Trajectory Prediction [13.105275905781632]
  歩行者の軌道予測は、ビデオ監視、社会ロボットナビゲーション、自動運転など、多くのアプリケーションにおいて重要な技術である。 本研究は,CVAEモジュールと社会的に認識された回帰モジュールからなるCSRと呼ばれる新しい軌道予測手法を提案する。 実験の結果,提案手法はスタンフォード・ドローン・データセットの最先端手法よりも改善されていることが示された。
  論文  参考訳（メタデータ） (2021-10-28T10:56:21Z)
• Self-Supervised Action-Space Prediction for Automated Driving [0.0]
  本稿では,自動走行のための新しい学習型マルチモーダル軌道予測アーキテクチャを提案する。 学習問題を加速度と操舵角の空間に投入することにより、運動論的に実現可能な予測を実現する。 提案手法は,都市交差点とラウンドアバウトを含む実世界のデータセットを用いて評価する。
  論文  参考訳（メタデータ） (2021-09-21T08:27:56Z)
• Learning to Predict Vehicle Trajectories with Model-based Planning [43.27767693429292]
  PRIME(Prediction with Model-based Planning)という新しいフレームワークを紹介します。 ニューラルネットワークを使ってシーンコンテキストをモデル化する最近の予測作業とは異なり、PRIMEは正確で実現可能な将来の軌道予測を生成するように設計されている。 我々のPRIMEは、不完全追跡下での予測精度、実現可能性、堅牢性において最先端の手法より優れています。
  論文  参考訳（メタデータ） (2021-03-06T04:49:24Z)
• 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。