Real-Time Motion Prediction via Heterogeneous Polyline Transformer with Relative Pose Encoding

要約

自動運転システムを現実世界に展開するには、周囲の交通参加者の将来の軌道を予測する動作予測モジュールなど、そのコンポーネントがオンボードでリアルタイムに実行される必要があります。
既存のエージェント中心の手法は、公開ベンチマークで優れたパフォーマンスを実証しています。
ただし、予測されるエージェントの数が増えると、計算オーバーヘッドが高くなり、スケーラビリティが低下します。
この問題に対処するために、トランスフォーマーによるペアワイズ相対表現の使用を可能にする新しいアテンション メカニズムである相対ポーズ エンコーディングによる K 近傍アテンション (KNARPE) を導入します。
次に、KNARPE に基づいて、オンライン推論中の非同期トークン更新を可能にする階層フレームワークである相対ポーズ エンコーディング (HPTR) を備えたヘテロジニアス ポリライン トランスフォーマーを紹介します。
エージェント間でコンテキストを共有し、変更されていないコンテキストを再利用することにより、私たちのアプローチはシーン中心の方法と同じくらい効率的でありながら、最先端のエージェント中心の方法と同等のパフォーマンスを発揮します。
Waymo と Argoverse-2 データセットの実験では、HPTR が高価な後処理やモデル アンサンブルを適用しないエンドツーエンドの手法の中で優れたパフォーマンスを達成することが示されています。
コードは https://github.com/zhejz/HPTR で入手できます。

要約(オリジナル)

The real-world deployment of an autonomous driving system requires its components to run on-board and in real-time, including the motion prediction module that predicts the future trajectories of surrounding traffic participants. Existing agent-centric methods have demonstrated outstanding performance on public benchmarks. However, they suffer from high computational overhead and poor scalability as the number of agents to be predicted increases. To address this problem, we introduce the K-nearest neighbor attention with relative pose encoding (KNARPE), a novel attention mechanism allowing the pairwise-relative representation to be used by Transformers. Then, based on KNARPE we present the Heterogeneous Polyline Transformer with Relative pose encoding (HPTR), a hierarchical framework enabling asynchronous token update during the online inference. By sharing contexts among agents and reusing the unchanged contexts, our approach is as efficient as scene-centric methods, while performing on par with state-of-the-art agent-centric methods. Experiments on Waymo and Argoverse-2 datasets show that HPTR achieves superior performance among end-to-end methods that do not apply expensive post-processing or model ensembling. The code is available at https://github.com/zhejz/HPTR.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google