TrajFlow: Learning the Distribution over Trajectories

要約

人間の道路利用者の将来の行動を予測することは、リスクを認識した自動運転車の開発にとって依然として未解決の課題です。
この課題の重要な側面は、人間の行動に固有の不確実性を効果的に捉えることです。
この論文では、学習された分布の分析的表現を提供する正規化フローに基づく確率的軌道予測のアプローチを提案します。
軌跡全体の分布を捕捉する問題を、オートエンコーダを使用して抽象化された軌跡特徴全体の分布を捕捉する問題に再定式化し、正規化フローの学習タスクを簡素化します。
TrajFlow は、ETH/UCY およびroundD データセットに関する最先端の方法と同等またはそれを上回る予測パフォーマンスを達成しながら、学習された分布のキャリブレーションを改善します。

要約(オリジナル)

Predicting the future behavior of human road users remains an open challenge for the development of risk-aware autonomous vehicles. An important aspect of this challenge is effectively capturing the uncertainty inherent to human behavior. This paper proposes an approach for probabilistic trajectory prediction based on normalizing flows, which provides an analytical expression of the learned distribution. We reformulate the problem of capturing distributions over trajectories into capturing distributions over abstracted trajectory features using an autoencoder, simplifying the learning task of the normalizing flows. TrajFlow improves the calibration of the learned distributions while achieving predictive performance on par with or superior to state-of-the-art methods on the ETH/UCY and the rounD data set.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google