Diffusion-Based Environment-Aware Trajectory Prediction

要約

交通参加者の将来の軌跡を予測する能力は、自動運転車の安全かつ効率的な運用にとって極めて重要です。
この論文では、マルチエージェント軌道予測のための拡散ベースの生成モデルを提案します。
このモデルは、交通参加者と環境の間の複雑な相互作用を捕捉し、データのマルチモーダルな性質を正確に学習することができます。
このアプローチの有効性は、現実世界の交通シナリオの大規模データセットで評価されており、予測精度の点で私たちのモデルがいくつかの確立された方法よりも優れていることが示されています。
モデル出力に微分運動制約を組み込むことにより、モデルが現実的な将来の軌道の多様なセットを生成できることを示します。
インタラクションを認識した誘導信号の使用を通じて、このモデルが非協力的なエージェントの行動を予測するように適合できることをさらに実証し、不確実な交通状況下での実際の適用可能性を強調します。

要約(オリジナル)

The ability to predict the future trajectories of traffic participants is crucial for the safe and efficient operation of autonomous vehicles. In this paper, a diffusion-based generative model for multi-agent trajectory prediction is proposed. The model is capable of capturing the complex interactions between traffic participants and the environment, accurately learning the multimodal nature of the data. The effectiveness of the approach is assessed on large-scale datasets of real-world traffic scenarios, showing that our model outperforms several well-established methods in terms of prediction accuracy. By the incorporation of differential motion constraints on the model output, we illustrate that our model is capable of generating a diverse set of realistic future trajectories. Through the use of an interaction-aware guidance signal, we further demonstrate that the model can be adapted to predict the behavior of less cooperative agents, emphasizing its practical applicability under uncertain traffic conditions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google