SIMPL: A Simple and Efficient Multi-agent Motion Prediction Baseline for Autonomous Driving

要約

本論文では、自律走行車のためのSimple and EffIcient Motion Prediction BaseLine (SIMPL)を提案する。精度は高いが繰り返し計算が必要な従来のエージェント中心の手法や、精度と汎用性が危ういシーン中心の手法とは異なり、SIMPLは、関連する全ての交通参加者のリアルタイムで正確な運動予測を実現する。精度と推論速度の両方の改善を達成するために、我々は、対称的な方法で有向メッセージパッシングを実行するコンパクトで効率的なグローバル特徴融合モジュールを提案し、ネットワークが単一のフィードフォワードパスで全ての道路利用者の将来の動きを予測することを可能にし、視点移動による精度低下を緩和する。さらに、ベルンシュタイン基底多項式を用いた連続的な軌跡パラメタリゼーションを軌跡復号化において検討し、任意の希望する時点における状態とその高次導関数の評価を可能にした。強力なベースラインとして、SIMPLはArgoverse 1および2の運動予測ベンチマークにおいて、他の最先端の手法と比較して高い競争力を示しました。さらに、SIMPLの軽量な設計と低い推論待ち時間は、SIMPLを非常に拡張しやすくし、実際の船上での展開に有望である。コードは https://github.com/HKUST-Aerial-Robotics/SIMPL でオープンソース化しています。

要約(オリジナル)

This paper presents a Simple and effIcient Motion Prediction baseLine (SIMPL) for autonomous vehicles. Unlike conventional agent-centric methods with high accuracy but repetitive computations and scene-centric methods with compromised accuracy and generalizability, SIMPL delivers real-time, accurate motion predictions for all relevant traffic participants. To achieve improvements in both accuracy and inference speed, we propose a compact and efficient global feature fusion module that performs directed message passing in a symmetric manner, enabling the network to forecast future motion for all road users in a single feed-forward pass and mitigating accuracy loss caused by viewpoint shifting. Additionally, we investigate the continuous trajectory parameterization using Bernstein basis polynomials in trajectory decoding, allowing evaluations of states and their higher-order derivatives at any desired time point, which is valuable for downstream planning tasks. As a strong baseline, SIMPL exhibits highly competitive performance on Argoverse 1 & 2 motion forecasting benchmarks compared with other state-of-the-art methods. Furthermore, its lightweight design and low inference latency make SIMPL highly extensible and promising for real-world onboard deployment. We open-source the code at https://github.com/HKUST-Aerial-Robotics/SIMPL.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL