論文の概要: MIAT: Maneuver-Intention-Aware Transformer for Spatio-Temporal Trajectory Prediction

• arxiv url: http://arxiv.org/abs/2504.05059v1
• Date: Mon, 07 Apr 2025 13:30:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-08 14:10:17.822748
• Title: MIAT: Maneuver-Intention-Aware Transformer for Spatio-Temporal Trajectory Prediction
• Title（参考訳）: MIAT:時空間軌道予測のための気密型変圧器
• Authors: Chandra Raskoti, Iftekharul Islam, Xuan Wang, Weizi Li,
• Abstract要約: 固有運転行動によって導入されたマニキュアは、信頼できる軌道予測に重大な課題をもたらす。 本稿では,操作意図認識機構と時間的相互作用モデリングを統合したMane-Intention-Aware Transformerアーキテクチャを提案する。 実世界のNGSIMデータセットに対する我々のアプローチを評価し,様々なトランスフォーマーおよびLSTMに基づく手法を用いてベンチマークを行った。
• 参考スコア（独自算出の注目度）: 4.093236466389434
• License:
• Abstract: Accurate vehicle trajectory prediction is critical for safe and efficient autonomous driving, especially in mixed traffic environments with both human-driven and autonomous vehicles. However, uncertainties introduced by inherent driving behaviors -- such as acceleration, deceleration, and left and right maneuvers -- pose significant challenges for reliable trajectory prediction. We introduce a Maneuver-Intention-Aware Transformer (MIAT) architecture, which integrates a maneuver intention awareness mechanism with spatiotemporal interaction modeling to enhance long-horizon trajectory predictions. We systematically investigate the impact of varying awareness of maneuver intention on both short- and long-horizon trajectory predictions. Evaluated on the real-world NGSIM dataset and benchmarked against various transformer- and LSTM-based methods, our approach achieves an improvement of up to 4.7% in short-horizon predictions and a 1.6% in long-horizon predictions compared to other intention-aware benchmark methods. Moreover, by leveraging an intention awareness control mechanism, MIAT realizes an 11.1% performance boost in long-horizon predictions, with a modest drop in short-horizon performance.
• Abstract（参考訳）: 正確な車両軌道予測は、安全で効率的な自動運転、特に人間駆動車と自律車の両方との混在した交通環境において重要である。 しかし、加速、減速、左右の操作など、固有の運転行動によってもたらされる不確実性は、信頼できる軌道予測に重大な課題をもたらす。 本研究では,運動意図認識機構と時空間相互作用モデリングを統合したManeuver-Intention-Aware Transformer (MIAT) アーキテクチャを提案する。 動作意図の異なる意識が短軸および長軸の軌道予測に及ぼす影響を系統的に検討した。 実世界のNGSIMデータセットに基づいて、様々なトランスフォーマーおよびLSTMベースの手法でベンチマークを行い、本手法は、他の意図認識ベンチマーク手法と比較して、短時間の予測では最大4.7%、長期の予測では1.6%の改善を実現している。 さらに、意図認識制御機構を活用することにより、長軸予測において11.1%の性能向上を実現し、短軸予測ではわずかに低下する。

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)
• Towards Safe and Reliable Autonomous Driving: Dynamic Occupancy Set Prediction [12.336412741837407]
  本研究は,高度軌跡予測ネットワークとDOS予測モジュールを効果的に組み合わせた,DOS予測のための新しい手法を提案する。 本研究の革新的な貢献は、複雑なシナリオをナビゲートするための新しいDOS予測モデルの開発である。
  論文  参考訳（メタデータ） (2024-02-29T17:36:39Z)
• KI-PMF: Knowledge Integrated Plausible Motion Forecasting [11.311561045938546]
  現在の軌道予測手法は、主に特定の計量で損失関数を最適化することに集中している。 我々の目的は、車両の運動的制約の双方に応じて、ネットワークが将来の軌跡を予測できる明示的な知識事前を組み込むことである。 提案手法は,複雑な状況と動的状況の両方において,交通アクタの到達可能性を保証するように設計されている。
  論文  参考訳（メタデータ） (2023-10-18T14:40:52Z)
• Learning Pedestrian Actions to Ensure Safe Autonomous Driving [12.440017892152417]
  自動運転車は、歩行者の短期的かつ即時的な行動をリアルタイムで予測する能力を持つことが重要である。 本研究では,歩行者行動と軌跡予測のために,トランスフォーマーエンコーダデコーダ (TF-ed) アーキテクチャを用いた新しいマルチタスクシーケンスを提案する。 提案手法は,既存のLSTMエンコーダデコーダ (LSTM-ed) アーキテクチャを用いて動作と軌道予測を行う。
  論文  参考訳（メタデータ） (2023-05-22T14:03:38Z)
• Self-Aware Trajectory Prediction for Safe Autonomous Driving [9.868681330733764]
  軌道予測は、自動運転ソフトウェアスタックの重要なコンポーネントの1つである。 本稿では,自己認識軌道予測手法を提案する。 提案手法は, 自己認識, メモリフットプリント, リアルタイム性能で良好に動作した。
  論文  参考訳（メタデータ） (2023-05-16T03:53:23Z)
• AdvDO: Realistic Adversarial Attacks for Trajectory Prediction [87.96767885419423]
  軌道予測は、自動運転車が正しく安全な運転行動を計画するために不可欠である。 我々は,現実的な対向軌道を生成するために,最適化に基づく対向攻撃フレームワークを考案する。 私たちの攻撃は、AVが道路を走り去るか、シミュレーション中に他の車両に衝突する可能性がある。
  論文  参考訳（メタデータ） (2022-09-19T03:34:59Z)
• Bootstrap Motion Forecasting With Self-Consistent Constraints [52.88100002373369]
  自己整合性制約を用いた動き予測をブートストラップする新しい枠組みを提案する。 運動予測タスクは、過去の空間的・時間的情報を組み込むことで、車両の将来の軌跡を予測することを目的としている。 提案手法は,既存手法の予測性能を常に向上することを示す。
  論文  参考訳（メタデータ） (2022-04-12T14:59:48Z)
• Human Trajectory Prediction via Counterfactual Analysis [87.67252000158601]
  複雑な動的環境における人間の軌道予測は、自律走行車やインテリジェントロボットにおいて重要な役割を果たす。 既存のほとんどの手法は、歴史の軌跡や環境からの相互作用の手がかりから行動の手がかりによって将来の軌跡を予測することを学習している。 本研究では,予測軌跡と入力手がかりの因果関係を調べるために,人間の軌跡予測に対する反実解析手法を提案する。
  論文  参考訳（メタデータ） (2021-07-29T17:41:34Z)
• 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)

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。