Multimodal Manoeuvre and Trajectory Prediction for Autonomous Vehicles Using Transformer Networks

要約

車両を含む他の道路利用者の行動 (つまり、操作/軌道) を予測することは、自動運転車 (AV)、別名自動運転システム (ADS) の安全で効率的な運用にとって重要です。
車両の将来の挙動は不確実であるため、特定の運転シーンでは複数の将来の挙動モードが妥当であることがよくあります。
したがって、マルチモーダル予測は、シングルモード予測よりも豊富な情報を提供できるため、AV はより適切なリスク評価を実行できます。
この目的のために、複数のもっともらしい行動モードとその可能性を予測できる、新しいマルチモーダル予測フレームワークを提案します。
提案されたフレームワークには、操縦予測のための特注の問題定式化、新しい変圧器ベースの予測モデル、およびマルチモーダル操縦と軌道予測のための調整されたトレーニング方法が含まれています。
フレームワークのパフォーマンスは、NGSIM と highD という 2 つのパブリック ベンチマーク高速道路走行データセットを使用して評価されます。
結果は、提案されたフレームワークが予測誤差の点で文献の最先端のマルチモーダル法よりも優れており、もっともらしい操縦と軌道モードを予測できることを示しています。

要約(オリジナル)

Predicting the behaviour (i.e. manoeuvre/trajectory) of other road users, including vehicles, is critical for the safe and efficient operation of autonomous vehicles (AVs), a.k.a. automated driving systems (ADSs). Due to the uncertain future behaviour of vehicles, multiple future behaviour modes are often plausible for a vehicle in a given driving scene. Therefore, multimodal prediction can provide richer information than single-mode prediction enabling AVs to perform a better risk assessment. To this end, we propose a novel multimodal prediction framework that can predict multiple plausible behaviour modes and their likelihoods. The proposed framework includes a bespoke problem formulation for manoeuvre prediction, a novel transformer-based prediction model, and a tailored training method for multimodal manoeuvre and trajectory prediction. The performance of the framework is evaluated using two public benchmark highway driving datasets, namely NGSIM and highD. The results show that the proposed framework outperforms the state-of-the-art multimodal methods in the literature in terms of prediction error and is capable of predicting plausible manoeuvre and trajectory modes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google