Multi-Predictor Fusion: Combining Learning-based and Rule-based Trajectory Predictors

要約

軌道予測モジュールは、特に高度にインタラクティブな交通シナリオにおいて、自動運転車 (AV) の安全かつ効率的な計画を実現するための重要な要素です。
最近、学習ベースの軌道予測器は、他のエージェントのマルチモーダルな動作をデータから学習できるため、最先端のパフォーマンスを提供するという点で大きな成功を収めています。
この論文では、論理ベースのルールを満たすことを使命とするモーション プランナーを学習ベースの予測器に組み込むことで、学習ベースの予測器のパフォーマンスを強化する、マルチ予測器融合 (MPF) と呼ばれるアルゴリズムを紹介します。
MPF は、各予測子のオンライン パフォーマンスを反映する信念分布に従って、両方のスタンドアロン予測子の軌跡を混合することにより、学習ベースの予測子とルールベースの予測子を確率的に組み合わせます。
私たちの結果では、MPF がさまざまな指標において 2 つのスタンドアロン予測子を上回り、最も一貫したパフォーマンスを提供することがわかりました。

要約(オリジナル)

Trajectory prediction modules are key enablers for safe and efficient planning of autonomous vehicles (AVs), particularly in highly interactive traffic scenarios. Recently, learning-based trajectory predictors have experienced considerable success in providing state-of-the-art performance due to their ability to learn multimodal behaviors of other agents from data. In this paper, we present an algorithm called multi-predictor fusion (MPF) that augments the performance of learning-based predictors by imbuing them with motion planners that are tasked with satisfying logic-based rules. MPF probabilistically combines learning- and rule-based predictors by mixing trajectories from both standalone predictors in accordance with a belief distribution that reflects the online performance of each predictor. In our results, we show that MPF outperforms the two standalone predictors on various metrics and delivers the most consistent performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google