MTP-GO: Graph-Based Probabilistic Multi-Agent Trajectory Prediction with Neural ODEs

要約

タイトル：MTP-GO：Neural ODEを使用したグラフベースの確率的マルチエージェント軌跡予測

要約：
– 自律的な動きの計画を実現するためには、周囲の道路利用者の将来の行動に対して堅牢な予測が必要です。
– このニーズと関連する課題に対応するために、私たちはMTP-GOというモデルを紹介します。
– このモデルは、シーンを時空グラフニューラルネットワークを使ってエンコードし、基本となるモーションモデルの入力を生成します。
– モーションモデルは、状態遷移関数がモデル全体で学習されるニューラル常微分方程式を使用して実装されます。
– 混合密度ネットワークとカルマンフィルタリングの概念を組み合わせることで、複数のモダリティの確率的予測が得られます。
– 結果は、提案されたモデルの予測能力が様々なデータセットにわたり、数多くのメトリックにおいていくつかの最先端の方法を上回っていることを示しています。

要約(オリジナル)

Enabling resilient autonomous motion planning requires robust predictions of surrounding road users’ future behavior. In response to this need and the associated challenges, we introduce our model titled MTP-GO. The model encodes the scene using temporal graph neural networks to produce the inputs to an underlying motion model. The motion model is implemented using neural ordinary differential equations where the state-transition functions are learned with the rest of the model. Multimodal probabilistic predictions are obtained by combining the concept of mixture density networks and Kalman filtering. The results illustrate the predictive capabilities of the proposed model across various data sets, outperforming several state-of-the-art methods on a number of metrics.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI