Multimodal Manoeuvre and Trajectory Prediction for Automated Driving on Highways Using Transformer Networks

要約

車両を含む他の道路利用者の行動 (つまり、操作/軌道) を予測することは、自動運転システム (ADS) とも呼ばれる自動運転車両 (AV) の安全かつ効率的な運用にとって重要です。
車両の将来の挙動は不確実であるため、特定の運転シーンでは車両に対して複数の将来の挙動モードが考えられることがよくあります。
したがって、マルチモーダル予測はシングルモード予測よりも豊富な情報を提供できるため、AV はより適切なリスク評価を実行できます。
この目的を達成するために、我々は、複数の妥当な動作モードとその尤度を予測できる、新しいマルチモーダル予測フレームワークを提案します。
提案されたフレームワークには、操縦予測のための特注の問題定式化、新しいトランスフォーマーベースの予測モデル、およびマルチモーダル操縦と軌道予測のための調整されたトレーニング方法が含まれています。
フレームワークのパフォーマンスは、NGSIM、highD、exiD という 3 つの公道走行データセットを使用して評価されます。
結果は、私たちのフレームワークが予測誤差の点で最先端のマルチモーダル手法よりも優れており、妥当な操縦および軌道モードを予測できることを示しています。

要約(オリジナル)

Predicting the behaviour (i.e., manoeuvre/trajectory) of other road users, including vehicles, is critical for the safe and efficient operation of autonomous vehicles (AVs), a.k.a., automated driving systems (ADSs). Due to the uncertain future behaviour of vehicles, multiple future behaviour modes are often plausible for a vehicle in a given driving scene. Therefore, multimodal prediction can provide richer information than single-mode prediction, enabling AVs to perform a better risk assessment. To this end, we propose a novel multimodal prediction framework that can predict multiple plausible behaviour modes and their likelihoods. The proposed framework includes a bespoke problem formulation for manoeuvre prediction, a novel transformer-based prediction model, and a tailored training method for multimodal manoeuvre and trajectory prediction. The performance of the framework is evaluated using three public highway driving datasets, namely NGSIM, highD, and exiD. The results show that our framework outperforms the state-of-the-art multimodal methods in terms of prediction error and is capable of predicting plausible manoeuvre and trajectory modes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google