基于递进交互的自动驾驶轨迹预测学习
原文约200字/词,阅读约需1分钟。发表于: 。通过逐步交互网络和权重分配机制提高地图约束条件对代理的特征表示的学习,从而实现准确的行为预测,以优化自动驾驶性能。
该研究提出了一种关注社交图转换网络的多模态轨迹预测方法,结合了图卷积网络和Transformer网络,通过生成稳定分辨率的伪图像来处理空时图,并设计了关注社交交互信息的模块。实验证明该模型在多个度量指标上最大限度地降低了位移误差,并显著减少碰撞的可能性,同时具备长时间预测的能力。
通过逐步交互网络和权重分配机制提高地图约束条件对代理的特征表示的学习,从而实现准确的行为预测,以优化自动驾驶性能。
该研究提出了一种关注社交图转换网络的多模态轨迹预测方法,结合了图卷积网络和Transformer网络,通过生成稳定分辨率的伪图像来处理空时图,并设计了关注社交交互信息的模块。实验证明该模型在多个度量指标上最大限度地降低了位移误差,并显著减少碰撞的可能性,同时具备长时间预测的能力。