CMP: Cooperative Motion Prediction with Multi-Agent Communication

要約

自動運転車 (AV) の進歩と車両間通信 (V2X) の成熟が融合したことにより、協調的なコネクテッド自動運転車 (CAV) の機能が可能になりました。
この論文は、協力的な認識に基づいて、協力的な動作予測の実現可能性と有効性を探ります。
私たちの手法である CMP は、LiDAR 信号を入力として受け取り、追跡機能と予測機能を強化します。
協調的な知覚または動作予測のいずれかに個別に焦点を当てた以前の研究とは異なり、私たちの知る限り、私たちのフレームワークは、CAV が知覚モジュールと予測モジュールの両方で情報を共有するという統合された問題に初めて対処しました。
私たちの設計には、かさばる認識表現を処理しながら、現実的な V2X 帯域幅制限と伝送遅延を許容する独自の機能が組み込まれています。
また、異なる CAV によって取得された予測を統合し、最終的な予測を生成する予測集約モジュールも提案します。
広範な実験とアブレーション研究を通じて、私たちは協調的な知覚、追跡、および動作予測タスクにおける私たちの方法の有効性を実証しています。
特に、CMP は、連携なし設定と比較して、検出の欠落が少なくなり、平均予測誤差を 17.2\% 削減します。
私たちの研究は、CAV の協調機能における大きな前進を示し、複雑なシナリオでのパフォーマンスの向上を示しています。

要約(オリジナル)

The confluence of the advancement of Autonomous Vehicles (AVs) and the maturity of Vehicle-to-Everything (V2X) communication has enabled the capability of cooperative connected and automated vehicles (CAVs). Building on top of cooperative perception, this paper explores the feasibility and effectiveness of cooperative motion prediction. Our method, CMP, takes LiDAR signals as input to enhance tracking and prediction capabilities. Unlike previous work that focuses separately on either cooperative perception or motion prediction, our framework, to the best of our knowledge, is the first to address the unified problem where CAVs share information in both perception and prediction modules. Incorporated into our design is the unique capability to tolerate realistic V2X bandwidth limitations and transmission delays, while dealing with bulky perception representations. We also propose a prediction aggregation module, which unifies the predictions obtained by different CAVs and generates the final prediction. Through extensive experiments and ablation studies, we demonstrate the effectiveness of our method in cooperative perception, tracking, and motion prediction tasks. In particular, CMP reduces the average prediction error by 17.2\% with fewer missing detections compared with the no cooperation setting. Our work marks a significant step forward in the cooperative capabilities of CAVs, showcasing enhanced performance in complex scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google