A Cognitive-Based Trajectory Prediction Approach for Autonomous Driving

要約

自動運転車 (AV) テクノロジーでは、安全性と運用効率を確保するために、周囲の車両の動きを正確に予測する機能が最も重要です。
人間の意思決定に関する洞察を組み込むことで、AV は他の車両の潜在的な動作をより効果的に予測できるようになり、動的環境における予測精度と応答性が大幅に向上します。
この論文では、人間の認知プロセスにヒントを得た教師と生徒の知識蒸留フレームワークを採用した Human-Like Trajectory Prediction (HLTP) モデルを紹介します。
HLTP モデルには、教師と生徒の高度な知識抽出フレームワークが組み込まれています。
適応視覚セクターを備えた「教師」モデルは、人間の脳の視覚処理、特に後頭葉と側頭葉の機能を模倣します。
「学生」モデルは、リアルタイムの対話と意思決定に焦点を当てており、前頭前野および頭頂葉の機能と類似しています。
このアプローチにより、変化する運転シナリオに動的に適応し、正確な予測に不可欠な知覚的手がかりを捕捉できます。
Macao Connected and Autonomous Driving (MoCAD) データセットと NGSIM および HighD ベンチマークを使用して評価した HLTP は、特に不完全なデータを含む困難な環境において、既存のモデルと比較して優れたパフォーマンスを示します。
プロジェクトページはGithubで入手できます。

要約(オリジナル)

In autonomous vehicle (AV) technology, the ability to accurately predict the movements of surrounding vehicles is paramount for ensuring safety and operational efficiency. Incorporating human decision-making insights enables AVs to more effectively anticipate the potential actions of other vehicles, significantly improving prediction accuracy and responsiveness in dynamic environments. This paper introduces the Human-Like Trajectory Prediction (HLTP) model, which adopts a teacher-student knowledge distillation framework inspired by human cognitive processes. The HLTP model incorporates a sophisticated teacher-student knowledge distillation framework. The ‘teacher’ model, equipped with an adaptive visual sector, mimics the visual processing of the human brain, particularly the functions of the occipital and temporal lobes. The ‘student’ model focuses on real-time interaction and decision-making, drawing parallels to prefrontal and parietal cortex functions. This approach allows for dynamic adaptation to changing driving scenarios, capturing essential perceptual cues for accurate prediction. Evaluated using the Macao Connected and Autonomous Driving (MoCAD) dataset, along with the NGSIM and HighD benchmarks, HLTP demonstrates superior performance compared to existing models, particularly in challenging environments with incomplete data. The project page is available at Github.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google