Towards Safe and Reliable Autonomous Driving: Dynamic Occupancy Set Prediction

要約

急速に発展する自律走行分野では、信頼性の高い予測は車両の安全にとって極めて重要である。しかし、軌跡予測は、特に複雑で困難な環境において、実際の軌跡からしばしば逸脱し、大きな誤差をもたらす。この問題に対処するため、本研究では動的占有率（DOS）予測のための新しい手法を導入し、高度な軌跡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する。これは、交通参加者の潜在的な占有集合を予測するための包括的で適応可能なフレームワークを提供する。本研究の革新的な貢献には、複雑なシナリオを航行するために特別に調整された新しいDOS予測モデルの開発、正確なDOS数学的表現の導入、および最適化された損失関数の定式化が含まれ、これらは総合的に自律システムの安全性と効率性を向上させる。厳密な検証を通じて、我々の手法は従来のモデルよりも顕著な改善を示し、インテリジェント交通システムにおける安全性と運用効率の新たなベンチマークを確立した。

要約(オリジナル)

In the rapidly evolving field of autonomous driving, reliable 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, it 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 innovative contributions of this study include the development of a novel DOS prediction model specifically tailored for navigating complex scenarios, the introduction of precise DOS mathematical representations, and the formulation of optimized loss functions that collectively advance the safety and efficiency of autonomous systems. Through rigorous validation, our method demonstrates marked improvements over traditional models, establishing a new benchmark for safety and operational efficiency in intelligent transportation systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL