Feb, 2021

SCOUT: 社交一致且易理解的图形注意力网络，用于车辆和 VRU 的轨迹预测

PDF
TL;DR本研究提出了一种基于图神经网络和关注机制的 SCOUT 系统用于模拟自主驾驶车辆和 VRUs 的路径规划，并在 InD 和 ApolloScape 轨迹基准测试中达到超越现有技术的表现，同时也验证了该模型的灵活性和可转移能力，通过 Integrated Gradients 技术和关注可视化方式来探索互动交互在预测中的作用和影响。
autonomous vehiclesgraph neural networksmotion planningattention mechanismtrajectory prediction
发现论文，激发创造
  • 基于注意力的社交图变换网络用于随机轨迹预测

    提出了一种关注社交图转换网络的多模态轨迹预测方法，它结合了图卷积网络和 Transformer 网络，并通过生成稳定分辨率的伪图像来处理空时图，还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。

    Dec, 2023

  • 自动驾驶车辆的多模态轨迹预测：基于语义地图与动态图注意力网络

    本文研究自动驾驶汽车预测未来路障轨迹的问题，提出了一种基于动态图注意力网络的方法，针对交通规则、社交互动、多类交通运动等方面的挑战，能够使用单一模型对多模态轨迹进行概率预测，并经过多个数据集的验证，证明该方法具有实际应用潜力且优于现有技术。

    Mar, 2021

  • 探索注意力 GAN 用于车辆运动预测

    本研究使用自注意力模块来计算社交和物理上下文情境，采样白噪声，探索了生成模型中注意力的影响，并在 Argoverse 运动预测基准 1.1 上取得了竞争力的单峰结果。

    Sep, 2022

  • SCOUT+: 实现实际任务驱动的驾驶员注视预测

    精确预测驾驶员的凝视是基于视觉的驾驶员监控和辅助系统的重要组成部分，本文介绍了一种使用 GPS 数据对任务和环境进行建模的驾驶员凝视预测模型 SCOUT+，并证明了其相对于底层模型和顶层模型 SCOUT 在两个数据集上的改进效果。

    Apr, 2024

  • 可解释式目标导向车辆轨迹预测模型

    自动驾驶中，理解车辆与周围环境的社交互动行为并预测其轨迹的能力对道路安全至关重要。为了克服神经网络方法在车辆轨迹预测中缺乏可解释性的问题，本文结合离散选择模型的可解释性与神经网络模型的高准确性，提出了一种能解释其预测结果而不降低准确度的模型，并通过使用 INTERACTION 数据集进行实现和评估，证明了该模型的有效性。

    Aug, 2023

  • 构建一致可解释的运动预测模型：基于异构图注意力的方法

    自动驾驶中，准确解读其他道路用户的移动并利用这一信息预测未来轨迹至关重要。本文提出了一个新的优化模块，将预测的轨迹重新映射到实际地图上，纠正了编码过程中可能丢失的位置信息，从而实现更一致的预测。同时，我们还提出了一种新颖的场景编码器，以单一的异构图注意力网络来处理所有代理与环境之间的关系，并通过分析图中不同边的注意力值，可以深入了解神经网络的内部工作，实现更加可解释的预测。

    May, 2024

  • VTGNet：面向城市环境的自主驾驶车辆的基于视觉的轨迹生成网络

    本论文提出了一种基于模仿学习的不确定性感知的端到端轨迹生成方法，能够从前置相机图像中提取空时特征，并能在不同环境中生成可靠的轨迹，具有优于现有最先进的端到端控制方法的跨场景 / 平台驾驶结果。

    Apr, 2020

  • Social-WaGDAT：基于 Wasserstein 双图注意力网络的交互感知轨迹预测

    本文提出了一个通用的生成神经模型（称为 Social-WaGDAT），通过引入关系归纳偏差和动态图表示，利用轨迹和场景上下文信息，提供每个代理的未来轨迹分布，从而在多代理轨迹预测中实现显式交互建模，并应用于车辆轨迹预测的运动学约束层，已在三个公共基准数据集上进行了评估和实验证明，相对于各种基线方法，该模型在预测准确性方面表现更佳。

    Feb, 2020

  • 预训练图神经网络基于自动驾驶的智能交通场景理解模型

    基于图注意力网络的通用预训练场景理解模型能够学习交通场景的通用交互和推理，支持各种下游任务，通过在城市和高速公路场景中进行验证实验，证明了该模型具有广泛应用的潜力，并通过消融实验展示了预训练任务设计的有效性。

    Apr, 2024

  • 概率众包 GAN：使用图形车 - 行人注意网络进行多模态行人轨迹预测

    本文介绍了一种使用概率多模式预测方法和社交影响建模的新型 GAN，可有效预测人群行为和行人意图，以达到更好的自动驾驶和移动机器人导航效果。

    Jun, 2020