MTP-GO: Graph-Based Probabilistic Multi-Agent Trajectory Prediction with Neural ODEs

要約

回復力のある自律的な動作計画を可能にするには、周囲の道路利用者の将来の行動を確実に予測する必要があります。
このニーズとそれに伴う課題に応えて、当社は MTP-GO というモデルを導入しました。
モデルは、テンポラル グラフ ニューラル ネットワークを使用してシーンをエンコードし、基礎となるモーション モデルへの入力を生成します。
運動モデルは、状態遷移関数がモデルの残りの部分とともに学習されるニューラル常微分方程式を使用して実装されます。
マルチモーダルな確率的予測は、混合密度ネットワークの概念とカルマン フィルターを組み合わせることによって得られます。
結果は、さまざまなデータセットにわたる提案されたモデルの予測能力が、多くの指標に関していくつかの最先端の方法を上回っていることを示しています。

要約(オリジナル)

Enabling resilient autonomous motion planning requires robust predictions of surrounding road users’ future behavior. In response to this need and the associated challenges, we introduce our model titled MTP-GO. The model encodes the scene using temporal graph neural networks to produce the inputs to an underlying motion model. The motion model is implemented using neural ordinary differential equations where the state-transition functions are learned with the rest of the model. Multimodal probabilistic predictions are obtained by combining the concept of mixture density networks and Kalman filtering. The results illustrate the predictive capabilities of the proposed model across various data sets, outperforming several state-of-the-art methods on a number of metrics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google