Towards Safe and Reliable Autonomous Driving: Dynamic Occupancy Set Prediction

要約

急速に進化する自動運転の分野では、正確な軌道予測が車両の安全性にとって極めて重要です。
ただし、特に複雑で困難な環境では、軌道予測は実際の経路から逸脱することが多く、重大な誤差につながります。
この問題に対処するために、私たちの研究では、動的占有セット (DOS) 予測のための新しい方法を導入し、軌道予測機能を強化しました。
この方法は、高度な軌道予測ネットワークと DOS 予測モジュールを効果的に組み合わせ、既存のモデルの欠点を克服します。
これは、交通参加者の潜在的な占有セットを予測するための包括的で適応性のあるフレームワークを提供します。
この研究の主な貢献は次のとおりです。 1) 複雑なシナリオに合わせて調整された新しい DOS 予測モデル。従来の軌道予測を強化します。
2) 独自の DOS 表現と評価基準の開発。
3) 実験による広範な検証により、パフォーマンスと適応性の向上が実証されています。
この研究は、より安全で効率的なインテリジェント車両および交通システムの進歩に貢献します。

要約(オリジナル)

In the rapidly evolving field of autonomous driving, accurate trajectory prediction is pivotal for vehicular safety. However, trajectory predictions often deviate from actual paths, particularly in complex and challenging environments, leading to significant errors. To address this issue, our study introduces a novel method for Dynamic Occupancy Set (DOS) prediction, enhancing trajectory prediction capabilities. This method effectively combines advanced trajectory prediction networks with a DOS prediction module, overcoming the shortcomings of existing models. It provides a comprehensive and adaptable framework for predicting the potential occupancy sets of traffic participants. The main contributions of this research include: 1) A novel DOS prediction model tailored for complex scenarios, augmenting traditional trajectory prediction; 2) The development of unique DOS representations and evaluation metrics; 3) Extensive validation through experiments, demonstrating enhanced performance and adaptability. This research contributes to the advancement of safer and more efficient intelligent vehicle and transportation systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google