InteractionNet: Joint Planning and Prediction for Autonomous Driving with Transformers

要約

計画と予測は自動運転の 2 つの重要なモジュールであり、最近大幅な進歩を遂げています。
それにもかかわらず、既存の手法のほとんどは、計画と予測を独立したものとみなし、それらの間の相関関係を無視しているため、交通シナリオの相互作用や動的な変化が考慮されていません。
この課題に対処するために、私たちは InteractionNet を提案します。これは、トランスフォーマーを活用して、すべてのトラフィック参加者間でグローバルなコンテキスト推論を共有し、インタラクションをキャプチャし、結合を実現するための相互接続計画と予測を行います。
さらに、InteractionNet は別のトランスフォーマーをデプロイして、モデルが重要な車両または目に見えない車両を含む認識領域に特別な注意を払うのを支援します。
InteractionNet は、いくつかのベンチマークで他のベースラインを上回っており、特に安全性の点で優れており、これは計画と予測を共同で考慮することで恩恵を受けています。
コードは https://github.com/Fujiawei0724/InteractionNet で入手できます。

要約(オリジナル)

Planning and prediction are two important modules of autonomous driving and have experienced tremendous advancement recently. Nevertheless, most existing methods regard planning and prediction as independent and ignore the correlation between them, leading to the lack of consideration for interaction and dynamic changes of traffic scenarios. To address this challenge, we propose InteractionNet, which leverages transformer to share global contextual reasoning among all traffic participants to capture interaction and interconnect planning and prediction to achieve joint. Besides, InteractionNet deploys another transformer to help the model pay extra attention to the perceived region containing critical or unseen vehicles. InteractionNet outperforms other baselines in several benchmarks, especially in terms of safety, which benefits from the joint consideration of planning and forecasting. The code will be available at https://github.com/fujiawei0724/InteractionNet.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google