PBP: Path-based Trajectory Prediction for Autonomous Driving

要約

軌道予測は、自律走行車両が周囲のエージェントの動きを予測できるようにすることで、自律走行スタックにおいて重要な役割を果たしている。ゴールベースの予測モデルは、将来の軌跡のマルチモーダルな性質に対処するために、近年支持を集めている。ゴールベースの予測モデルは、まずエージェントの2次元ゴール位置を予測し、次に各ゴールを条件とした軌道を予測することで、マルチモーダル予測を単純化する。しかし、単一の2次元ゴール位置は、軌跡全体を予測するための弱い帰納的バイアスとして機能し、多くの場合、軌跡の一部が道路から外れたり、交通規則を破ったりするなど、地図コンプライアンスが悪くなる。本論文では、Path-based prediction (PBP)アプローチを提案することで、ゴールベースの予測を改善する。PBPは、経路特徴を用いてHDマップ内の参照経路上の離散確率分布を予測し、経路相対Frenetフレーム内の軌跡を予測する。我々はHiVTシーンエンコーダの上にPBP軌跡デコーダを適用し、Argoverseデータセットでの結果を報告する。我々の実験によれば、PBPは標準的な軌跡予測メトリクスにおいて競争力のある性能を達成する一方、マップコンプライアンスの点では最先端のベースラインを大幅に上回る。

要約(オリジナル)

Trajectory prediction plays a crucial role in the autonomous driving stack by enabling autonomous vehicles to anticipate the motion of surrounding agents. Goal-based prediction models have gained traction in recent years for addressing the multimodal nature of future trajectories. Goal-based prediction models simplify multimodal prediction by first predicting 2D goal locations of agents and then predicting trajectories conditioned on each goal. However, a single 2D goal location serves as a weak inductive bias for predicting the whole trajectory, often leading to poor map compliance, i.e., part of the trajectory going off-road or breaking traffic rules. In this paper, we improve upon goal-based prediction by proposing the Path-based prediction (PBP) approach. PBP predicts a discrete probability distribution over reference paths in the HD map using the path features and predicts trajectories in the path-relative Frenet frame. We applied the PBP trajectory decoder on top of the HiVT scene encoder and report results on the Argoverse dataset. Our experiments show that PBP achieves competitive performance on the standard trajectory prediction metrics, while significantly outperforming state-of-the-art baselines in terms of map compliance.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL