PBP: Path-based Trajectory Prediction for Autonomous Driving

要約

軌道予測は、自動運転車両が周囲のエージェントの動きを予測できるようにすることで、自動運転スタックにおいて重要な役割を果たします。
目標ベースの予測モデルは、将来の軌道の多峰性の性質に対処するために近年注目を集めています。
目標ベースの予測モデルは、最初にエージェントの 2D 目標位置を予測し、次に各目標に条件付けされた軌道を予測することにより、マルチモーダル予測を簡素化します。
ただし、単一の 2D ゴール位置は、軌道全体を予測するための弱い帰納的バイアスとして機能し、多くの場合、地図への準拠性の低下、つまり、軌道の一部が道路から外れたり、交通規則に違反したりする原因になります。
この論文では、パスベースの予測 (PBP) アプローチを提案することで、ゴールベースの予測を改善します。
PBP は、パス フィーチャを使用して HD マップ内の参照パス上の離散確率分布を予測し、パス相対フレネ フレーム内の軌跡を予測します。
HiVT シーン エンコーダーの上に PBP 軌跡デコーダーを適用し、Argoverse データセットで結果を報告しました。
私たちの実験では、PBP が標準的な軌道予測メトリクスで競争力のあるパフォーマンスを達成し、地図準拠の点では最先端のベースラインを大幅に上回っていることが示されています。

要約(オリジナル)

Trajectory prediction plays a crucial role in the autonomous driving stack by enabling autonomous vehicles to anticipate the motion of surrounding agents. Goal-based prediction models have gained traction in recent years for addressing the multimodal nature of future trajectories. Goal-based prediction models simplify multimodal prediction by first predicting 2D goal locations of agents and then predicting trajectories conditioned on each goal. However, a single 2D goal location serves as a weak inductive bias for predicting the whole trajectory, often leading to poor map compliance, i.e., part of the trajectory going off-road or breaking traffic rules. In this paper, we improve upon goal-based prediction by proposing the Path-based prediction (PBP) approach. PBP predicts a discrete probability distribution over reference paths in the HD map using the path features and predicts trajectories in the path-relative Frenet frame. We applied the PBP trajectory decoder on top of the HiVT scene encoder and report results on the Argoverse dataset. Our experiments show that PBP achieves competitive performance on the standard trajectory prediction metrics, while significantly outperforming state-of-the-art baselines in terms of map compliance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google