TrajDiffuse: A Conditional Diffusion Model for Environment-Aware Trajectory Prediction

要約

人間や車両の軌道を確率的性質を捉えた多様性に富んだ形で正確に予測することは、多くのアプリケーションにとって不可欠なタスクです。
しかし、多くの軌道予測モデルは、周囲環境との衝突回避などの他の重要な要件を無視して、多様性や精度の向上に焦点を当てた不合理な軌道サンプルを生成します。
この研究では、新しいガイド付き条件付き拡散モデルを使用した計画ベースの軌道予測方法である TrajDiffuse を提案します。
軌道予測問題をノイズ除去インペイントタスクとして形成し、拡散プロセスのためのマップベースの誘導項を設計します。
TrajDiffuse は、環境上の制約をほぼ完全に遵守しながら、SOTA の精度と多様性と同等またはそれを超える軌道予測を生成できます。
nuScenes および PFSD データセットでの実験を通じてモデルの有用性を実証し、SOTA 手法に対する広範なベンチマーク分析を提供します。

要約(オリジナル)

Accurate prediction of human or vehicle trajectories with good diversity that captures their stochastic nature is an essential task for many applications. However, many trajectory prediction models produce unreasonable trajectory samples that focus on improving diversity or accuracy while neglecting other key requirements, such as collision avoidance with the surrounding environment. In this work, we propose TrajDiffuse, a planning-based trajectory prediction method using a novel guided conditional diffusion model. We form the trajectory prediction problem as a denoising impaint task and design a map-based guidance term for the diffusion process. TrajDiffuse is able to generate trajectory predictions that match or exceed the accuracy and diversity of the SOTA, while adhering almost perfectly to environmental constraints. We demonstrate the utility of our model through experiments on the nuScenes and PFSD datasets and provide an extensive benchmark analysis against the SOTA methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google