BiFF: Bi-level Future Fusion with Polyline-based Coordinate for Interactive Trajectory Prediction

要約

安全性を重視した自動運転には、周囲のエージェントの将来の軌道を予測することが不可欠です。
既存の研究のほとんどは、各エージェントの限界軌道を個別に予測することに焦点を当てています。
ただし、インタラクティブ エージェントの関節軌道の予測についてはほとんど検討されていません。
この研究では、対話型エージェント間の将来の対話を明示的にキャプチャするために、Bi-level Future Fusion (BiFF) を提案します。
具体的には、BiFF は、高レベルの将来の意図とそれに続く低レベルの将来の行動を融合します。
次に、ポリライン ベースの座標はマルチエージェント予測用に特別に設計されており、データ効率、フレームの堅牢性、予測精度が保証されます。
実験では、BiFF が Waymo Open Motion Dataset のインタラクティブ予測ベンチマークで最先端のパフォーマンスを達成していることが示されています。

要約(オリジナル)

Predicting future trajectories of surrounding agents is essential for safety-critical autonomous driving. Most existing work focuses on predicting marginal trajectories for each agent independently. However, it has rarely been explored in predicting joint trajectories for interactive agents. In this work, we propose Bi-level Future Fusion (BiFF) to explicitly capture future interactions between interactive agents. Concretely, BiFF fuses the high-level future intentions followed by low-level future behaviors. Then the polyline-based coordinate is specifically designed for multi-agent prediction to ensure data efficiency, frame robustness, and prediction accuracy. Experiments show that BiFF achieves state-of-the-art performance on the interactive prediction benchmark of Waymo Open Motion Dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google