Characterized Diffusion Networks for Enhanced Autonomous Driving Trajectory Prediction

要約

この論文では、動的で異種の交通環境によってもたらされる課題に対処するために、特性拡散モジュールと時空間相互作用ネットワークを組み合わせた、自動運転のための新しい軌道予測モデルを紹介します。
私たちのモデルは、不確実性の推定と複雑なエージェントの相互作用を組み込むことにより、軌道予測の精度と信頼性を強化します。
NGSIM、HighD、MoCAD などの公開データセットでの広範な実験を通じて、私たちのモデルは既存の最先端の手法を大幅に上回りました。
私たちは、特に複雑な環境において、交通シナリオの根底にある時空間ダイナミクスを捕捉し、予測精度を向上させる能力を実証します。
提案されたモデルは、現実世界の自動運転システムへの応用の強力な可能性を示しています。

要約(オリジナル)

In this paper, we present a novel trajectory prediction model for autonomous driving, combining a Characterized Diffusion Module and a Spatial-Temporal Interaction Network to address the challenges posed by dynamic and heterogeneous traffic environments. Our model enhances the accuracy and reliability of trajectory predictions by incorporating uncertainty estimation and complex agent interactions. Through extensive experimentation on public datasets such as NGSIM, HighD, and MoCAD, our model significantly outperforms existing state-of-the-art methods. We demonstrate its ability to capture the underlying spatial-temporal dynamics of traffic scenarios and improve prediction precision, especially in complex environments. The proposed model showcases strong potential for application in real-world autonomous driving systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google