Self-Aware Trajectory Prediction for Safe Autonomous Driving

要約

軌道予測は、自動運転ソフトウェア スタックの重要なコンポーネントの 1 つです。
周囲の交通参加者の将来の動きを正確に予測することは、インテリジェント車両の運転効率と安全性を確保するための重要な前提条件です。
人工知能に基づく軌道予測アルゴリズムは、近年広く研究および応用され、目覚ましい成果を上げています。
ただし、複雑な人工知能モデルは不確実で説明が難しいため、現実世界に適用すると予期せぬ失敗に直面する可能性があります。
本稿では自己認識型の軌道予測手法を提案する。
自己認識モジュールと 2 段階のトレーニング プロセスを導入することにより、元の軌道予測モジュールのパフォーマンスがオンラインで推定され、予測機能が不足する可能性のあるシナリオにシステムが時間内に対処しやすくなり、安全な軌道予測モジュールを実現するための条件が作成されます。
そして信頼性の高い自動運転。
包括的な実験と分析が実行され、提案された方法は自己認識、メモリフットプリント、リアルタイムパフォーマンスの点で良好なパフォーマンスを示し、安全な自動運転のための有望なパラダイムとして機能する可能性があることが示されました。

要約(オリジナル)

Trajectory prediction is one of the key components of the autonomous driving software stack. Accurate prediction for the future movement of surrounding traffic participants is an important prerequisite for ensuring the driving efficiency and safety of intelligent vehicles. Trajectory prediction algorithms based on artificial intelligence have been widely studied and applied in recent years and have achieved remarkable results. However, complex artificial intelligence models are uncertain and difficult to explain, so they may face unintended failures when applied in the real world. In this paper, a self-aware trajectory prediction method is proposed. By introducing a self-awareness module and a two-stage training process, the original trajectory prediction module’s performance is estimated online, to facilitate the system to deal with the possible scenario of insufficient prediction function in time, and create conditions for the realization of safe and reliable autonomous driving. Comprehensive experiments and analysis are performed, and the proposed method performed well in terms of self-awareness, memory footprint, and real-time performance, showing that it may serve as a promising paradigm for safe autonomous driving.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google