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

要約

動き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質な性質、エージェントの動作の多様さ、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あることで知られています。
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動作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モデルを提案します。
私たちは、モダリティに依存しない戦略を設計して、複雑な入力を統一された方法で簡潔にエンコードします。
私たちは、目標指向のシーンコンテキストを含むアンカーと融合した多様な提案を生成し、広範囲の将来の軌道をカバーするマルチモーダルな予測を誘導します。
当社のネットワーク アーキテクチャは非常に均一かつ簡潔であり、実際の運転展開に適した効率的なモデルを実現します。
実験の結果、私たちの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を達成しながら、予測精度において最先端の方法と同等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