Holistic Graph-based Motion Prediction

要約

複雑な環境における自動運転車の動きの予測は、自動運転車を任意の状況で使用する場合に習得する必要がある難しいタスクです。
多くの要因が、交通ルールから始まり、相互間の相互作用から人間のドライバーの個人的な習慣に至るまで、交通参加者の将来の動きに影響を与えます。
したがって、時間情報、プロパティ、交通参加者間の関係、および道路網などの静的要素との関係を組み合わせた、異種の全体的なグラフ表現に基づくグラフベースの予測のための新しいアプローチを提案します。
情報は、任意の機能で強化されたさまざまなタイプのノードとエッジを通じてエンコードされます。
私たちは、INTERACTION と Argoverse データセットのアプローチを評価し、動き予測の品質に対するさまざまな種類の情報の利点を実証するために有益なアブレーション研究を実施しました。

要約(オリジナル)

Motion prediction for automated vehicles in complex environments is a difficult task that is to be mastered when automated vehicles are to be used in arbitrary situations. Many factors influence the future motion of traffic participants starting with traffic rules and reaching from the interaction between each other to personal habits of human drivers. Therefore we present a novel approach for a graph-based prediction based on a heterogeneous holistic graph representation that combines temporal information, properties and relations between traffic participants as well as relations with static elements like the road network. The information are encoded through different types of nodes and edges that both are enriched with arbitrary features. We evaluated the approach on the INTERACTION and the Argoverse dataset and conducted an informative ablation study to demonstrate the benefit of different types of information for the motion prediction quality.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google