Hybrid-Prediction Integrated Planning for Autonomous Driving

要約

自律走行システムには、複雑なシナリオにおいて情報に基づいた意思決定を行うために、周囲の環境を完全に理解し予測する能力が必要である。学習ベースのシステムにおける最近の進歩は、予測モジュールと計画モジュールを統合することの重要性を浮き彫りにしている。しかし、この統合は3つの大きな課題をもたらしている。すなわち、単独予測による固有のトレードオフ、予測パターン間の一貫性、予測と計画における社会的一貫性である。これらの課題に対処するため、我々は3つの新規設計モジュールを有するハイブリッド予測統合計画（HPP）システムを導入する。第一に、エージェントごとの認識と共同占有率を整合させるために、限界条件付き占有率予測を導入する。我々の提案するMS-OccFormerモジュールは、エージェントごとの運動予測から一貫した認識を持つ占有予測ごとに多段階の整合を実現する。第二に、我々はゲーム理論的な運動予測器GTFormerを提案し、個々のエージェント間の相互作用的な未来を、彼らの共同予測認識を用いてモデル化する。第三に、ハイブリッド予測パターンをエゴプランナーと同時に統合し、予測ガイダンスによって最適化する。HPPはnuScenesデータセットにおいて最先端の性能を達成し、予測と計画におけるエンドツーエンドのパラダイムにおいて優れた精度と一貫性を実証した。さらに、Waymo Open Motion DatasetとCARLAベンチマークでHPPの長期的なオープンループとクローズドループ性能をテストし、精度と互換性を強化した他の統合予測・計画パイプラインを凌駕する。

要約(オリジナル)

Autonomous driving systems require the ability to fully understand and predict the surrounding environment to make informed decisions in complex scenarios. Recent advancements in learning-based systems have highlighted the importance of integrating prediction and planning modules. However, this integration has brought forth three major challenges: inherent trade-offs by sole prediction, consistency between prediction patterns, and social coherence in prediction and planning. To address these challenges, we introduce a hybrid-prediction integrated planning (HPP) system, which possesses three novelly designed modules. First, we introduce marginal-conditioned occupancy prediction to align joint occupancy with agent-wise perceptions. Our proposed MS-OccFormer module achieves multi-stage alignment per occupancy forecasting with consistent awareness from agent-wise motion predictions. Second, we propose a game-theoretic motion predictor, GTFormer, to model the interactive future among individual agents with their joint predictive awareness. Third, hybrid prediction patterns are concurrently integrated with Ego Planner and optimized by prediction guidance. HPP achieves state-of-the-art performance on the nuScenes dataset, demonstrating superior accuracy and consistency for end-to-end paradigms in prediction and planning. Moreover, we test the long-term open-loop and closed-loop performance of HPP on the Waymo Open Motion Dataset and CARLA benchmark, surpassing other integrated prediction and planning pipelines with enhanced accuracy and compatibility.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL