SILM: A Subjective Intent Based Low-Latency Framework for Multiple Traffic Participants Joint Trajectory Prediction

要約

軌道予測は、高度な自律駆動システムの基本的な技術であり、認知知能の分野で最も困難な問題の1つを表しています。
各交通参加者の将来の軌跡を正確に予測することは、自律運転における高安全性と高い信頼性の意思決定、計画、および制御能力を構築するための前提条件です。
ただし、既存の方法は、その動きの背後にある根本的な意図を考慮せずに、他の交通参加者の動きのみにのみ焦点を当てていることが多く、軌跡予測の不確実性が高まります。
自律車両はリアルタイム環境で動作します。つまり、軌道予測アルゴリズムはデータを処理し、リアルタイムで予測を生成できる必要があります。
多くの既存の方法は高い精度を達成しますが、不均一なトラフィックシナリオを効果的に処理するのに苦労することがよくあります。
この論文では、複数のトラフィック参加者の共同軌道予測のための主観的な意図に基づく低遅延フレームワークを提案します。
私たちの方法は、重要なポイントに基づいて交通参加者の主観的な意図を明示的に組み込み、MAPなしで将来の軌跡を共同で予測します。
さらに、軌道予測のために特別に設計された新しいデータセットを紹介します。
関連するコードとデータセットはまもなく利用可能になります。

要約(オリジナル)

Trajectory prediction is a fundamental technology for advanced autonomous driving systems and represents one of the most challenging problems in the field of cognitive intelligence. Accurately predicting the future trajectories of each traffic participant is a prerequisite for building high safety and high reliability decision-making, planning, and control capabilities in autonomous driving. However, existing methods often focus solely on the motion of other traffic participants without considering the underlying intent behind that motion, which increases the uncertainty in trajectory prediction. Autonomous vehicles operate in real-time environments, meaning that trajectory prediction algorithms must be able to process data and generate predictions in real-time. While many existing methods achieve high accuracy, they often struggle to effectively handle heterogeneous traffic scenarios. In this paper, we propose a Subjective Intent-based Low-latency framework for Multiple traffic participants joint trajectory prediction. Our method explicitly incorporates the subjective intent of traffic participants based on their key points, and predicts the future trajectories jointly without map, which ensures promising performance while significantly reducing the prediction latency. Additionally, we introduce a novel dataset designed specifically for trajectory prediction. Related code and dataset will be available soon.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google