Navigation under uncertainty: Trajectory prediction and occlusion reasoning with switching dynamical systems

要約

特にオクルージョン下で、近くの物体の将来の軌道を予測することは、自動運転やロボットの安全なナビゲーションにおいて重要なタスクです。
従来の研究では通常、遮蔽されたオブジェクトに関する不確実性の維持が無視され、大規模なデータセットでトレーニングされたトランスフォーマーなどの大容量モデルを使用して観察されたオブジェクトの軌道を予測するだけでした。
これらのアプローチは標準的なシナリオでは効果的ですが、ロングテールで安全性が重要なシナリオに一般化するのは難しい場合があります。
この研究では、同じクラスの構造化された確率的生成モデル、つまり動的システムの切り替えの下で軌道予測とオクルージョン推論を統合する概念的な枠組みを探索します。
次に、Waymo オープン データセットを使用してその機能を示すいくつかの初期実験を紹介します。

要約(オリジナル)

Predicting future trajectories of nearby objects, especially under occlusion, is a crucial task in autonomous driving and safe robot navigation. Prior works typically neglect to maintain uncertainty about occluded objects and only predict trajectories of observed objects using high-capacity models such as Transformers trained on large datasets. While these approaches are effective in standard scenarios, they can struggle to generalize to the long-tail, safety-critical scenarios. In this work, we explore a conceptual framework unifying trajectory prediction and occlusion reasoning under the same class of structured probabilistic generative model, namely, switching dynamical systems. We then present some initial experiments illustrating its capabilities using the Waymo open dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google