Trajectory Prediction for Autonomous Driving: Progress, Limitations, and Future Directions

要約

自動運転車が最新の交通システムに大規模に統合される可能性が成長し続けるため、動的環境での安全なナビゲーションがスムーズな統合に重要であることを保証します。
安全性を保証し、衝突を防ぐために、自動運転車は周囲の交通エージェントの軌跡を正確に予測できる必要があります。
過去10年間、学界と産業の両方からの重要な努力は、正確な軌跡予測のためのソリューションの設計に専念してきました。
これらの取り組みは、さまざまなアプローチを生み出し、これらの方法の違いと、軌跡予測の課題が完全に対処されているかどうかについて疑問を投げかけています。
このペーパーでは、最近の軌道予測方法のかなりの部分をレビューし、既存のソリューションを分類するための分類法を考案します。
予測パイプラインの一般的な概要も提供され、入力と出力のモダリティ、モデリング機能、および文献で説明されている予測パラダイムをカバーしています。
さらに、このペーパーでは、軌道予測内のアクティブな研究分野について説明し、提起された研究の質問に対処し、残りの研究のギャップと課題を強調しています。

要約(オリジナル)

As the potential for autonomous vehicles to be integrated on a large scale into modern traffic systems continues to grow, ensuring safe navigation in dynamic environments is crucial for smooth integration. To guarantee safety and prevent collisions, autonomous vehicles must be capable of accurately predicting the trajectories of surrounding traffic agents. Over the past decade, significant efforts from both academia and industry have been dedicated to designing solutions for precise trajectory forecasting. These efforts have produced a diverse range of approaches, raising questions about the differences between these methods and whether trajectory prediction challenges have been fully addressed. This paper reviews a substantial portion of recent trajectory prediction methods and devises a taxonomy to classify existing solutions. A general overview of the prediction pipeline is also provided, covering input and output modalities, modeling features, and prediction paradigms discussed in the literature. In addition, the paper discusses active research areas within trajectory prediction, addresses the posed research questions, and highlights the remaining research gaps and challenges.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google