Intention-based and Risk-Aware Trajectory Prediction for Autonomous Driving in Complex Traffic Scenarios

要約

周囲の車両の軌道を正確に予測することは、自動運転車にとって重要な課題です。
複雑な交通シナリオでは、現在の自動運転システムには 2 つの重大な問題があります。それは、予測の認知的不確実性とリスク認識の欠如であり、自動運転のさらなる開発を制限しています。
この課題に対処するために、運転行動、倫理的意思決定、リスク評価からの洞察と原則を組み込んだ新しい軌道予測モデルを導入します。
共同予測に基づいて、私たちのモデルはインタラクション、意図、リスク評価モジュールで構成されています。
車両間のインタラクションの動的な変化は、インタラクション モジュールの各タイムスタンプで包括的にキャプチャできます。
インタラクション情報に基づいて、私たちのモデルは、軌道生成の多様性を高めるという車両の主な意図を考慮します。
予測される軌道の最適化は、高度なリスクを認識した意思決定原則に従います。
実験結果は DeepAccident データセットで評価されます。
私たちのアプローチは、通常シナリオと事故シナリオでその顕著な予測パフォーマンスを示し、最先端のアルゴリズムをそれぞれ少なくとも 28.9\% と 26.5\% 上回っています。
提案されたモデルは、複雑な交通シナリオにおける軌道予測の習熟度と適応性を向上させます。
提案されたモデルのコードは、https://sites.google.com/view/ir-prediction で入手できます。

要約(オリジナル)

Accurately predicting the trajectory of surrounding vehicles is a critical challenge for autonomous vehicles. In complex traffic scenarios, there are two significant issues with the current autonomous driving system: the cognitive uncertainty of prediction and the lack of risk awareness, which limit the further development of autonomous driving. To address this challenge, we introduce a novel trajectory prediction model that incorporates insights and principles from driving behavior, ethical decision-making, and risk assessment. Based on joint prediction, our model consists of interaction, intention, and risk assessment modules. The dynamic variation of interaction between vehicles can be comprehensively captured at each timestamp in the interaction module. Based on interaction information, our model considers primary intentions for vehicles to enhance the diversity of trajectory generation. The optimization of predicted trajectories follows the advanced risk-aware decision-making principles. Experimental results are evaluated on the DeepAccident dataset; our approach shows its remarkable prediction performance on normal and accident scenarios and outperforms the state-of-the-art algorithms by at least 28.9\% and 26.5\%, respectively. The proposed model improves the proficiency and adaptability of trajectory prediction in complex traffic scenarios. The code for the proposed model is available at https://sites.google.com/view/ir-prediction.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google