ProphNet: Efficient Agent-Centric Motion Forecasting with Anchor-Informed Proposals

要約

モーション予測は、自動運転システムの重要なモジュールです。
マルチソース入力の異種性、エージェントの動作におけるマルチモダリティ、およびオンボード展開に必要な低遅延のため、このタスクは非常に困難です。
これらの困難に対処するために、この論文では、効率的なマルチモーダルモーション予測のためのアンカー情報に基づいた提案を備えた新しいエージェント中心のモデルを提案します。
複雑な入力を統一された方法で簡潔にエンコードするために、モダリティに依存しない戦略を設計します。
幅広い将来の軌道をカバーするマルチモーダル予測を誘導するために、目標指向のシーンコンテキストを持つアンカーと融合した多様な提案を生成します。
当社のネットワーク アーキテクチャは非常に均一で簡潔であり、実世界での運転展開に適した効率的なモデルにつながります。
実験により、エージェント中心のネットワークは、シーン中心のレベルの推論レイテンシーを達成しながら、予測精度において最先端の方法と比較して有利であることが明らかになりました。

要約(オリジナル)

Motion forecasting is a key module in an autonomous driving system. Due to the heterogeneous nature of multi-sourced input, multimodality in agent behavior, and low latency required by onboard deployment, this task is notoriously challenging. To cope with these difficulties, this paper proposes a novel agent-centric model with anchor-informed proposals for efficient multimodal motion prediction. We design a modality-agnostic strategy to concisely encode the complex input in a unified manner. We generate diverse proposals, fused with anchors bearing goal-oriented scene context, to induce multimodal prediction that covers a wide range of future trajectories. Our network architecture is highly uniform and succinct, leading to an efficient model amenable for real-world driving deployment. Experiments reveal that our agent-centric network compares favorably with the state-of-the-art methods in prediction accuracy, while achieving scene-centric level inference latency.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google