A survey on robustness in trajectory prediction for autonomous vehicles

要約

自動運転車は、正確な軌道予測に依存して、ナビゲーションと衝突回避に関連する意思決定プロセスに情報を提供します。
ただし、現在の軌道予測モデルには過剰適合の兆候があり、危険な動作や次善の動作につながる可能性があります。
これらの課題に対処するために、この論文では、軌道予測モデルの堅牢性の評価と改善に関する文献で使用されている定義と戦略を分類および評価する包括的なフレームワークを紹介します。
これには、データ スライス方法、摂動技術、モデル アーキテクチャの変更、トレーニング後の調整など、さまざまなアプローチの詳細な調査が含まれます。
文献には、安全で信頼性の高い自動運転に必要な堅牢性を高めるための有望な方法が数多く記載されています。

要約(オリジナル)

Autonomous vehicles rely on accurate trajectory prediction to inform decision-making processes related to navigation and collision avoidance. However, current trajectory prediction models show signs of overfitting, which may lead to unsafe or suboptimal behavior. To address these challenges, this paper presents a comprehensive framework that categorizes and assesses the definitions and strategies used in the literature on evaluating and improving the robustness of trajectory prediction models. This involves a detailed exploration of various approaches, including data slicing methods, perturbation techniques, model architecture changes, and post-training adjustments. In the literature, we see many promising methods for increasing robustness, which are necessary for safe and reliable autonomous driving.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google