論文の概要: Delving into Mapping Uncertainty for Mapless Trajectory Prediction

• arxiv url: http://arxiv.org/abs/2507.18498v1
• Date: Thu, 24 Jul 2025 15:13:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-25 15:10:43.916024
• Title: Delving into Mapping Uncertainty for Mapless Trajectory Prediction
• Title（参考訳）: マップレス軌道予測のための不確かさの地図化
• Authors: Zongzheng Zhang, Xuchong Qiu, Boran Zhang, Guantian Zheng, Xunjiang Gu, Guoxuan Chi, Huan-ang Gao, Leichen Wang, Ziming Liu, Xinrun Li, Igor Gilitschenski, Hongyang Li, Hang Zhao, Hao Zhao,
• Abstract要約: 自動運転の最近の進歩は、地図のないアプローチに向かっている。 高精細(HD)マップは、センサーデータから直接オンラインで生成され、高価なラベリングとメンテナンスの必要性が軽減される。 本研究では,地図の不確実性が軌道予測に最も影響を与える運転シナリオを解析する。 本稿では,地図の不確かさを軌跡予測に適応的に組み込む新しいプロプライオセプティブシナリオゲーティングを提案する。
• 参考スコア（独自算出の注目度）: 41.70949328930293
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advances in autonomous driving are moving towards mapless approaches, where High-Definition (HD) maps are generated online directly from sensor data, reducing the need for expensive labeling and maintenance. However, the reliability of these online-generated maps remains uncertain. While incorporating map uncertainty into downstream trajectory prediction tasks has shown potential for performance improvements, current strategies provide limited insights into the specific scenarios where this uncertainty is beneficial. In this work, we first analyze the driving scenarios in which mapping uncertainty has the greatest positive impact on trajectory prediction and identify a critical, previously overlooked factor: the agent's kinematic state. Building on these insights, we propose a novel Proprioceptive Scenario Gating that adaptively integrates map uncertainty into trajectory prediction based on forecasts of the ego vehicle's future kinematics. This lightweight, self-supervised approach enhances the synergy between online mapping and trajectory prediction, providing interpretability around where uncertainty is advantageous and outperforming previous integration methods. Additionally, we introduce a Covariance-based Map Uncertainty approach that better aligns with map geometry, further improving trajectory prediction. Extensive ablation studies confirm the effectiveness of our approach, achieving up to 23.6% improvement in mapless trajectory prediction performance over the state-of-the-art method using the real-world nuScenes driving dataset. Our code, data, and models are publicly available at https://github.com/Ethan-Zheng136/Map-Uncertainty-for-Trajectory-Prediction.
• Abstract（参考訳）: 近年の自動運転の進歩は、高精細(HD)マップをセンサデータから直接オンラインに生成し、高価なラベリングやメンテナンスの必要性を減らす、マップレスアプローチへと向かっている。 しかし、これらのオンライン地図の信頼性は依然として不明である。 下流軌道予測タスクにマップの不確実性を導入することは、パフォーマンス改善の可能性を示しているが、現在の戦略は、この不確実性が有用である特定のシナリオに対する限られた洞察を提供する。 本研究では、まず、不確実性が軌道予測に最も良い影響を与えるような運転シナリオを分析し、これまで見過ごされていた要因であるエージェントの運動状態を特定する。 これらの知見に基づいて,地図の不確かさを軌跡予測に適応的に統合し,エゴの将来の運動学の予測をベースとした新規なプロプリオセプティブシナリオゲーティングを提案する。 この軽量で自己管理的なアプローチは、オンラインマッピングと軌跡予測の相乗効果を高め、不確実性が有利であり、従来の統合手法よりも優れた解釈可能性を提供する。 さらに、共分散に基づくマップ不確実性アプローチを導入し、地図幾何学との整合性を向上し、軌跡予測をさらに改善する。 大規模なアブレーション研究により,本手法の有効性が確認され,実世界のニューScenes駆動データセットを用いた最先端手法によるマップレス軌道予測性能が最大23.6%向上した。 私たちのコード、データ、モデルはhttps://github.com/Ethan-Zheng136/Map-Uncertainty-for-Trajectory-Predictionで公開されています。

関連論文リスト

• Boundary-Guided Trajectory Prediction for Road Aware and Physically Feasible Autonomous Driving [11.436186697804835]
  本稿では,軌道予測を許容駆動方向とその境界によって導かれる制約付き回帰として定式化する新しい枠組みを提案する。 我々は,HPTRベースラインに対するArgoverse-2データセットに対するアプローチを評価する。
  論文  参考訳（メタデータ） (2025-05-10T19:21:00Z)
• Map-Free Trajectory Prediction with Map Distillation and Hierarchical Encoding [8.857237929151795]
  MFTPはMap-Free Trajectory Prediction法であり、いくつかの利点がある。 まず、推論中のHDマップの必要性を排除し、知識蒸留によるトレーニング中のマップ事前の恩恵を享受する。 第二に、空間的時間的エージェントの特徴を効果的に抽出し、それらを複数のトラジェクトリクエリに集約する新しい階層エンコーダを提案する。
  論文  参考訳（メタデータ） (2024-11-17T04:50:44Z)
• HPNet: Dynamic Trajectory Forecasting with Historical Prediction Attention [76.37139809114274]
  HPNetは、新しい動的軌道予測手法である。 逐次予測間の動的関係を自動的に符号化する履歴予測アテンションモジュールを提案する。 私たちのコードはhttps://github.com/XiaolongTang23/HPNetで利用可能です。
  論文  参考訳（メタデータ） (2024-04-09T14:42:31Z)
• Producing and Leveraging Online Map Uncertainty in Trajectory Prediction [30.190497345299004]
  我々は、現在最先端のオンラインマップ推定手法を拡張し、不確実性をさらに見積もる。 その結果,不確実性の導入によってトレーニングの収束が最大50%速くなり,予測性能が最大15%向上することがわかった。
  論文  参考訳（メタデータ） (2024-03-25T05:58:33Z)
• Certified Human Trajectory Prediction [66.1736456453465]
  本稿では,ロバスト性を保証する軌道予測に適した認証手法を提案する。 そこで本研究では, 拡散型トラジェクトリデノイザを提案し, 本手法に組み込むことにより, 性能低下を緩和する。 認定された予測器の精度と堅牢性を実証し、認定されていない予測器に対するそれらの優位性を強調する。
  論文  参考訳（メタデータ） (2024-03-20T17:41:35Z)
• Enhancing Mapless Trajectory Prediction through Knowledge Distillation [19.626383744807068]
  ハイデフィニションマップ(HDマップ)は、アノテーションの高コストや、広く使われることを制限する法律の制限に悩まされる可能性がある。 本稿では,マルチモーダルな予測軌道の整合性と実際の道路トポロジの整合性を改善する問題に取り組む。 我々の解は、一般的な軌道予測ネットワークに対して一般化可能であり、余分な計算負担を伴わない。
  論文  参考訳（メタデータ） (2023-06-25T09:05:48Z)
• Improving Diversity of Multiple Trajectory Prediction based on Map-adaptive Lane Loss [12.963269946571476]
  本研究では,地図適応の多様性を保証し,幾何学的制約を満たす新しい損失関数,textitLane Lossを提案する。 Argoverseデータセットを用いて行った実験により,提案手法は予測軌道の多様性を著しく向上させることが示された。
  論文  参考訳（メタデータ） (2022-06-17T09:09:51Z)
• 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)
• 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)
• 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)

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。