Multi-modal Transformer Path Prediction for Autonomous Vehicle

要約

車両経路予測に関する推論は、自動運転システムの安全な運用にとって不可欠で困難な問題です。
経路予測に関する研究は数多くある．
ただし、それらのほとんどはレーン情報を使用せず、Transformer アーキテクチャに基づいていません。
自動運転車に搭載されたセンサーから収集されたさまざまな種類のデータを利用することにより、ターゲット エージェントの長期的な将来の軌道を予測することを目的とした Multi-modal Transformer Path Prediction (MTPP) という名前の経路予測システムを提案します。
より正確なパス予測を実現するために、モデルでは Transformer アーキテクチャが採用されています。
レーン情報をより有効に利用するために、ターゲット エージェントと反対方向にあるレーンは、ターゲット エージェントによって使用される可能性が低く、結果として除外されます。
さらに、レーン入力がパス予測に十分な長さになるように、連続するレーン チャンクが結合されます。
実世界の軌道予測データセットである nuScene を使用して、提案されたシステムの有効性を示すために広範な評価が行われます。

要約(オリジナル)

Reasoning about vehicle path prediction is an essential and challenging problem for the safe operation of autonomous driving systems. There exist many research works for path prediction. However, most of them do not use lane information and are not based on the Transformer architecture. By utilizing different types of data collected from sensors equipped on the self-driving vehicles, we propose a path prediction system named Multi-modal Transformer Path Prediction (MTPP) that aims to predict long-term future trajectory of target agents. To achieve more accurate path prediction, the Transformer architecture is adopted in our model. To better utilize the lane information, the lanes which are in opposite direction to target agent are not likely to be taken by the target agent and are consequently filtered out. In addition, consecutive lane chunks are combined to ensure the lane input to be long enough for path prediction. An extensive evaluation is conducted to show the efficacy of the proposed system using nuScene, a real-world trajectory forecasting dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google