Apr, 2021

面向自动驾驶的大规模交互式运动预测：Waymo 开放运动数据集

PDF
TL;DR该研究介绍了当前最全面的交互式动作数据集，包含超过 100,000 个场景，用于发展动作规划模型与提供强大的基线模型来对单独或多个交互式对象进行预测，并提供了新的度量方法。
motion forecastinginteractive situationsmultiple objectsmotion dataprediction models
发现论文，激发创造
  • 一千零一小时：自动驾驶运动预测数据集

    本文介绍了迄今为止最大的自动驾驶运动预测数据集，其中包括来自 20 辆自动驾驶车辆在 Palo Alto, California 沿固定路线收集的超过 1000 小时的数据，可帮助提高自动驾驶领域的性能。

    Jun, 2020

  • JointMotion：联合自监督的联合动作预测

    我们提出了 JointMotion，一种用于自动驾驶中联合运动预测的自我监督学习方法。该方法包括一个连接运动和环境的场景级目标和一个细化学习表示的实例级目标。我们的评估结果表明，这些目标相辅相成，并且在联合运动预测的预训练中胜过最近的对比和自编码方法。此外，JointMotion 适应所有常用的用于运动预测的环境表示类型（即以代理为中心、场景为中心和成对的相对位置），并在 Waymo Open Motion 和 Argoverse 2 Forecasting 数据集之间实现了有效的迁移学习。值得注意的是，我们的方法将 Wayformer、Scene Transformer 和 HPTR 的联合最终位移误差分别提高了 3%、7% 和 11%。

    Mar, 2024

  • WayHome: 动态缩放下的长期运动预测

    自主车辆的一个关键挑战是准确预测周围环境中其他物体的运动，本研究开发了一种新颖的自主车辆运动预测方法，使用基于神经网络的模型为自主车辆附近的每个交通参与者预测多个热力图，并对比了不同编码器、解码器和损失函数，并引入了一种新的网格缩放技术，在 3 秒的预测区间内改进了现有方法的性能，并在更长的预测区间（最长为 8 秒）保持竞争力，评估使用的是 2022 年公开的 Waymo 运动挑战数据集。

    Oct, 2023

  • 自主驾驶中基于运动的无监督感知与预测

    本文提出一种使用自学生成流技术的框架，自动学习行驶中的自由运动的物体，以替代在自主驾驶系统中昂贵的人工标注，实现更广泛、准确、自主的交通参与者识别和动作预测。

    Oct, 2022

  • INTERACTION 数据集：一个具有语义地图的国际交互式驾驶场景中的对抗与合作的动作数据集

    本文提出一个交互式驾驶场景中带有语义地图的国际性对抗合作运动数据集（INTERACTION 数据集），包括多样的驾驶场景、不同文化的驾驶行为、交互式和复杂的行为等特点，可支持运动预测、行为建模等多项研究领域。

    Sep, 2019

  • 自动驾驶中感知的可扩展性：Waymo 开放数据集

    该研究介绍了一种新的大规模、高质量、多样化的自动驾驶数据集，其中包含了各种城市和郊区地理环境中的 1150 个场景，数据标注为 2D 和 3D 框，而 2D 和 3D 检测和跟踪任务的基线也得到了提供。

    Dec, 2019

  • Argoverse2：面向自动驾驶感知和预测的下一代数据集

    Argoverse 2 是一套适用于自动驾驶领域的三个数据集，包含多模态数据，如高分辨率图像，种类繁多的 3D 标注，未标注的 lidar 点云等，为 3D 感知模型的训练和评估提供了充足的数据和场景，并提供了自我监督和云点预测等新的数据学习任务。

    Jan, 2023

  • WOMD-LiDAR: 运动预测原始传感器数据集基准

    通过使用高质量 LiDAR 数据增强 Waymo Open Motion Dataset (WOMD) 并将其整合到模型训练中，实验结果表明 LiDAR 数据的使用能够提高运动预测任务的性能，为推动端到端运动预测模型提供新机会。

    Apr, 2023

  • 使用图神经网络联合交互和轨迹预测自动驾驶

    本文提出了一种基于图神经网络的方法，通过显式建模相互作用来预测交通场景中车辆的未来动向，并采用自动标注函数来生成交互标签，从而有效地降低了轨迹误差。

    Dec, 2019

  • 神经运动信息传递的协作运动预测

    本研究提出了一种神经网络消息传递模型来模拟交通参与者之间的协作和交互，以及对行为建模的单个参与者。在两种设置下，模型都高效优于之前最先进的方法。

    Mar, 2020