論文の概要: Uncertainty-Aware Trajectory Prediction: A Unified Framework Harnessing Positional and Semantic Uncertainties

• arxiv url: http://arxiv.org/abs/2603.29362v1
• Date: Tue, 31 Mar 2026 07:35:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-01 15:25:03.254824
• Title: Uncertainty-Aware Trajectory Prediction: A Unified Framework Harnessing Positional and Semantic Uncertainties
• Title（参考訳）: 不確かさを意識した軌道予測:位置と意味の不確かさを損なう統一フレームワーク
• Authors: Jintao Sun, Hu Zhang, Gangyi Ding, Zhedong Zheng,
• Abstract要約: 軌道予測は、歴史的運動データの時間的地平線を考慮し、車両や歩行者のような動的実体の将来の動きを予測しようとする。 この領域における中心的な課題は、二つの主要な情報源から生じるリアルタイムマップに固有の不確実性である。 本稿では,位置的および意味的不確実性を共同でモデル化し,それらを軌道予測パイプラインに明示的に統合する,新しい統合フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 18.530958966955847
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Trajectory prediction seeks to forecast the future motion of dynamic entities, such as vehicles and pedestrians, given a temporal horizon of historical movement data and environmental context. A central challenge in this domain is the inherent uncertainty in real-time maps, arising from two primary sources: (1) positional inaccuracies due to sensor limitations or environmental occlusions, and (2) semantic errors stemming from misinterpretations of scene context. To address these challenges, we propose a novel unified framework that jointly models positional and semantic uncertainties and explicitly integrates them into the trajectory prediction pipeline. Our approach employs a dual-head architecture to independently estimate semantic and positional predictions in a dual-pass manner, deriving prediction variances as uncertainty indicators in an end-to-end fashion. These uncertainties are subsequently fused with the semantic and positional predictions to enhance the robustness of trajectory forecasts. We evaluate our uncertainty-aware framework on the nuScenes real-world driving dataset, conducting extensive experiments across four map estimation methods and two trajectory prediction baselines. Results verify that our method (1) effectively quantifies map uncertainties through both positional and semantic dimensions, and (2) consistently improves the performance of existing trajectory prediction models across multiple metrics, including minimum Average Displacement Error (minADE), minimum Final Displacement Error (minFDE), and Miss Rate (MR). Code will available at https://github.com/JT-Sun/UATP.
• Abstract（参考訳）: 軌道予測は、歴史的運動データと環境コンテキストの時間的地平を与えられた車両や歩行者のような動的実体の将来の動きを予測しようとする。 この領域の中心的な課題は,(1)センサの限界や環境閉塞による位置の不正確さ,(2)シーンコンテキストの誤解釈に起因する意味的誤りの2つの主要な情報源から生じる,リアルタイムマップに固有の不確実性である。 これらの課題に対処するために、位置的および意味的不確実性を共同でモデル化し、それらを軌道予測パイプラインに明示的に統合する、新しい統合フレームワークを提案する。 提案手法では,意味的および位置的予測を両パス方式で独立に推定し,不確実性指標としての予測分散をエンド・ツー・エンド方式で導出する。 これらの不確実性はその後、軌道予測の堅牢性を高めるために意味的および位置的予測と融合する。 本研究では,4つのマップ推定法と2つの軌跡予測ベースラインにまたがる広範囲な実験を行い,実世界走行データセットにおける不確実性を考慮したフレームワークの評価を行った。 その結果,(1)位置と意味の両面から地図の不確かさを効果的に定量化し,(2)最小変位誤差(minADE),最小変位誤差(minFDE),ミスレート(MR)など,複数の指標における既存の軌道予測モデルの性能を一貫して向上させることを確認した。 コードはhttps://github.com/JT-Sun/UATPで入手できる。

関連論文リスト

• ForecastOcc: Vision-based Semantic Occupancy Forecasting [16.699381591572163]
  ForecastOccは視覚に基づくセマンティック占有予測のための最初のフレームワークであり、将来の占有状況とセマンティックカテゴリーを予測する。 本フレームワークは,過去のカメラ画像から直接,外部推定地図に頼らずに,複数の地平線に対するセマンティック占有率の予測を行う。
  論文  参考訳（メタデータ） (2026-02-08T15:16:06Z)
• Don't double it: Efficient Agent Prediction in Occlusions [1.1338062042380708]
  密集した交通機関は、隠れた歩行者や車両が予期せず現れるため、自動運転車にとって重大な課題となる。 既存の学習ベースの手法は、1つのエージェントが複数回識別された場合、冗長な占有率予測を生成することが多い。 我々は、最先端のSceneInformerアーキテクチャをベースにした、新しいトランスフォーマーベースのアプローチであるMatchInformerを紹介する。
  論文  参考訳（メタデータ） (2026-01-29T10:22:38Z)
• ResAD: Normalized Residual Trajectory Modeling for End-to-End Autonomous Driving [64.42138266293202]
  ResADは正規化された残留軌道モデリングフレームワークである。 学習タスクを再編成し、慣性参照からの残留偏差を予測する。 NAVSIMベンチマークでは、ResADはバニラ拡散ポリシーを用いて最先端のPDMS 88.6を達成している。
  論文  参考訳（メタデータ） (2025-10-09T17:59:36Z)
• Diffusion^2: Dual Diffusion Model with Uncertainty-Aware Adaptive Noise for Momentary Trajectory Prediction [18.85021503551474]
  初期の研究では、将来の軌道を予測するのに十分な観測データを主に利用していた。 盲点から歩行者のような現実世界のシナリオでは、十分な観測データは利用できないことが多い。 本稿では,時間軌道予測に適したDiffusion2という新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-05T21:19:33Z)
• Delving into Mapping Uncertainty for Mapless Trajectory Prediction [41.70949328930293]
  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。
  論文  参考訳（メタデータ） (2025-07-24T15:13:11Z)
• Towards Motion Forecasting with Real-World Perception Inputs: Are End-to-End Approaches Competitive? [93.10694819127608]
  実世界の知覚入力を用いた予測手法の統一評価パイプラインを提案する。 我々の詳細な調査では、キュレートされたデータから知覚ベースのデータへ移行する際の大きなパフォーマンスギャップが明らかになりました。
  論文  参考訳（メタデータ） (2023-06-15T17:03:14Z)
• 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)
• Uncertainty Estimation for Heatmap-based Landmark Localization [4.673063715963989]
  推定誤差境界を持つ不確実性によって予測を分類するデータ駆動手法であるQuantile Binningを提案する。 この枠組みは,3つの不確実性対策を比較し,対比することによって実証する。 我々は、Quantile Binsで捕捉された大まかな誤予測をフィルタリングすることで、許容可能なエラー閾値下での予測の割合を大幅に改善する、という結論を導いた。
  論文  参考訳（メタデータ） (2022-03-04T14:40:44Z)
• 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)

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。