Navigating Uncertainty: The Role of Short-Term Trajectory Prediction in Autonomous Vehicle Safety

要約

自動運転車では、安全かつ効率的な運転のために、正確で信頼性の高い短期軌道予測が必要です。
現在、ほとんどの商用自動運転車は軌道予測にステートマシンベースのアルゴリズムを使用していますが、最近の取り組みはエンドツーエンドのデータ駆動型システムに焦点を当てています。
多くの場合、これらのモデルの設計は利用可能なデータセットによって制限され、通常は一般的なシナリオに限定されます。
この制限に対処するために、CARLA シミュレーターを使用した短期軌道予測タスク用の合成データセットを開発しました。
このデータセットは広範で、道路を横断する歩行者や追い越しをする車両など、複雑と考えられるシナリオが組み込まれており、各フレームの対応する IMU およびオドメトリ情報を含む 6,000 枚の透視図画像で構成されています。
さらに、畳み込みニューラルネットワーク（CNN）と長短期記憶（LSTM）ネットワークを使用したエンドツーエンドの短期軌道予測モデルも開発されました。
このモデルは、周囲の環境を明示的にエンコードすることなく、横断歩道付近で減速したり、歩行者が道路を横断したときに停止したりするなどの特殊なケースに対処できます。
この研究を加速し、他の研究者を支援するために、私たちはデータセットとモデルを研究コミュニティにリリースします。
私たちのデータセットは https://github.com/navigatinguncertainty で公開されています。

要約(オリジナル)

Autonomous vehicles require accurate and reliable short-term trajectory predictions for safe and efficient driving. While most commercial automated vehicles currently use state machine-based algorithms for trajectory forecasting, recent efforts have focused on end-to-end data-driven systems. Often, the design of these models is limited by the availability of datasets, which are typically restricted to generic scenarios. To address this limitation, we have developed a synthetic dataset for short-term trajectory prediction tasks using the CARLA simulator. This dataset is extensive and incorporates what is considered complex scenarios – pedestrians crossing the road, vehicles overtaking – and comprises 6000 perspective view images with corresponding IMU and odometry information for each frame. Furthermore, an end-to-end short-term trajectory prediction model using convolutional neural networks (CNN) and long short-term memory (LSTM) networks has also been developed. This model can handle corner cases, such as slowing down near zebra crossings and stopping when pedestrians cross the road, without the need for explicit encoding of the surrounding environment. In an effort to accelerate this research and assist others, we are releasing our dataset and model to the research community. Our datasets are publicly available on https://github.com/navigatinguncertainty.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google