We propose a motion forecasting model that exploits a novel structured map
representation as well as actor-map interactions. Instead of encoding
vectorized maps as raster images, we construct a lane graph from ra
为了部署安全的自主驾驶汽车,需考虑静态几何上下文和动态社交交互,最近的深度学习方法已实现了距离预测指标的最新性能,但存在无法考虑 AV 意图运动计划的局限,因此提出了一种基于人 - 车道几何和人 - 人社交关系的图形加权循环递归方法,以支持注入抵消几何目标和社交情境,在规划循环中运用以推理有关 AV 意图路径的未观察原因或不太可能的未来。