論文の概要: Hybrid-Prediction Integrated Planning for Autonomous Driving
- arxiv url: http://arxiv.org/abs/2402.02426v1
- Date: Sun, 4 Feb 2024 09:51:19 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-06 19:49:47.164865
- Title: Hybrid-Prediction Integrated Planning for Autonomous Driving
- Title（参考訳）: ハイブリッド予測統合型自動運転計画
- Authors: Haochen Liu, Zhiyu Huang, Wenhui Huang, Haohan Yang, Xiaoyu Mo, and
Chen Lv
- Abstract要約: 本稿では,3つのモジュールを新たに設計したハイブリッド予測統合計画(HPP)システムを提案する。
まず, 限界条件付き占有率予測を導入し, 共同占有率とエージェント・ワイド・インセプションとを一致させる。
第2に,ゲーム理論に基づく動作予測器GTFormerを提案する。
第3に、ハイブリッド予測パターンはEgo Plannerと並列に統合され、予測ガイダンスによって最適化される。
- 参考スコア（独自算出の注目度）: 26.549857543338963
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Autonomous driving systems require the ability to fully understand and
predict the surrounding environment to make informed decisions in complex
scenarios. Recent advancements in learning-based systems have highlighted the
importance of integrating prediction and planning modules. However, this
integration has brought forth three major challenges: inherent trade-offs by
sole prediction, consistency between prediction patterns, and social coherence
in prediction and planning. To address these challenges, we introduce a
hybrid-prediction integrated planning (HPP) system, which possesses three
novelly designed modules. First, we introduce marginal-conditioned occupancy
prediction to align joint occupancy with agent-wise perceptions. Our proposed
MS-OccFormer module achieves multi-stage alignment per occupancy forecasting
with consistent awareness from agent-wise motion predictions. Second, we
propose a game-theoretic motion predictor, GTFormer, to model the interactive
future among individual agents with their joint predictive awareness. Third,
hybrid prediction patterns are concurrently integrated with Ego Planner and
optimized by prediction guidance. HPP achieves state-of-the-art performance on
the nuScenes dataset, demonstrating superior accuracy and consistency for
end-to-end paradigms in prediction and planning. Moreover, we test the
long-term open-loop and closed-loop performance of HPP on the Waymo Open Motion
Dataset and CARLA benchmark, surpassing other integrated prediction and
planning pipelines with enhanced accuracy and compatibility.
- Abstract（参考訳）: 自動運転システムは、複雑なシナリオでインフォームドな意思決定を行うために、周囲の環境を十分に理解し、予測する能力を必要とします。
学習ベースシステムの最近の進歩は、予測と計画モジュールの統合の重要性を強調している。
しかし、この統合は3つの大きな課題をもたらした: 予測のみによる固有のトレードオフ、予測パターン間の一貫性、予測と計画における社会的一貫性。
これらの課題に対処するために,新しい3つのモジュールを持つハイブリッド予測統合計画(HPP)システムを導入する。
まず,共同占有率とエージェントワイズ知覚を整合させるために,辺縁条件占有率予測を導入する。
提案するMS-OccFormerモジュールは,エージェントの動作予測から一貫した認識を伴って,占有率予測の多段階アライメントを実現する。
第2に,ゲーム理論に基づく運動予測器であるgtformerを提案する。
第3に、ハイブリッド予測パターンはEgo Plannerと並列に統合され、予測ガイダンスによって最適化される。
HPPはnuScenesデータセットで最先端のパフォーマンスを実現し、予測と計画におけるエンドツーエンドのパラダイムに対して、優れた精度と一貫性を示す。
さらに、Waymo Open Motion DatasetおよびCARLAベンチマークにおいて、HPPの長期オープンループおよびクローズループ性能をテストし、精度と互換性を向上した他の統合予測および計画パイプラインを上回った。
関連論文リスト
- AMP: Autoregressive Motion Prediction Revisited with Next Token Prediction for Autonomous Driving [59.94343412438211]
本稿では,GPT方式の次のトークン動作予測を動作予測に導入する。
同種単位-ワードからなる言語データとは異なり、運転シーンの要素は複雑な空間的・時間的・意味的な関係を持つ可能性がある。
そこで本稿では,情報集約と位置符号化スタイルの異なる3つの因子化アテンションモジュールを用いて,それらの関係を捉えることを提案する。
論文 参考訳（メタデータ） (2024-03-20T06:22:37Z) - PPAD: Iterative Interactions of Prediction and Planning for End-to-end Autonomous Driving [57.89801036693292]
PPAD(Iterative Interaction of Prediction and Planning Autonomous Driving)は、予測と計画のより良い統合を目的とした、タイムステップワイドなインタラクションである。
我々は,階層的動的キーオブジェクトに着目したego-to-agent,ego-to-map,ego-to-BEVインタラクション機構を設計し,インタラクションをモデル化する。
論文 参考訳（メタデータ） (2023-11-14T11:53:24Z) - Interactive Joint Planning for Autonomous Vehicles [19.479300967537675]
対話的な運転シナリオでは、あるエージェントの行動が隣人の行動に大きな影響を及ぼす。
本稿では,MPCを学習予測モデルでブリッジする対話型共同計画(Interactive Joint Planning, IJP)を提案する。
IJPは、共同最適化やサンプリングベースの計画を実行することなく、ベースラインを大幅に上回る。
論文 参考訳（メタデータ） (2023-10-27T17:48:25Z) - Test-time Collective Prediction [73.74982509510961]
マシンラーニングの複数のパーティは、将来のテストポイントを共同で予測したいと考えています。
エージェントは、すべてのエージェントの集合の集合的な専門知識の恩恵を受けることを望んでいるが、データやモデルパラメータを解放する意思はないかもしれない。
我々は、各エージェントの事前学習モデルを利用して、テスト時に集合的な予測を行う分散型メカニズムを探索する。
論文 参考訳（メタデータ） (2021-06-22T18:29:58Z) - MATS: An Interpretable Trajectory Forecasting Representation for
Planning and Control [46.86174832000696]
人間の動きに関する推論は、現代の人間ロボットの対話システムの中核的な構成要素である。
自律システムにおける行動予測の主な用途の1つは、ロボットの動作計画と制御を知らせることである。
本稿では,下流の計画や制御に適するトラジェクトリ予測のための新しい出力表現を提案する。
論文 参考訳（メタデータ） (2020-09-16T07:32:37Z) - 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) - PiP: Planning-informed Trajectory Prediction for Autonomous Driving [69.41885900996589]
マルチエージェント設定における予測問題に対処するために,計画インフォームド・トラジェクトリ予測(PiP)を提案する。
本手法は,エゴカーの計画により予測過程を通知することにより,高速道路のデータセット上でのマルチエージェント予測の最先端性能を実現する。
論文 参考訳（メタデータ） (2020-03-25T16:09:54Z) - Model-based Reinforcement Learning for Decentralized Multiagent
Rendezvous [66.6895109554163]
目標を他のエージェントと整合させる人間の能力の下にあるのは、他人の意図を予測し、自分たちの計画を積極的に更新する能力である。
分散型マルチエージェントレンデブーのためのモデルに基づく強化学習手法である階層型予測計画(HPP)を提案する。
論文 参考訳（メタデータ） (2020-03-15T19:49:20Z) - Social-WaGDAT: Interaction-aware Trajectory Prediction via Wasserstein
Graph Double-Attention Network [29.289670231364788]
本稿では,マルチエージェント軌道予測のためのジェネリック生成ニューラルシステムを提案する。
また、車両軌道予測に効率的なキネマティック拘束層を応用した。
提案システムは,軌道予測のための3つの公開ベンチマークデータセットを用いて評価する。
論文 参考訳（メタデータ） (2020-02-14T20:11:13Z)
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。