Jun, 2022

行为预测模型中坐标框架差距的缩小：为高效准确基于场景的运动预测而进行的蒸馏

PDF
TL;DR研究了自主驾驶这一实际机器人应用中行为预测模型的两种坐标系代表，Agent-centric 和 Scene-centric。它们各有优劣，但是应用知识蒸馏技术缩小了它们之间的表现差距，并实现了在多方面都表现良好的场景中心模型。
behavior prediction modelsautonomous drivingagent-centric modelsscene-centric modelsknowledge distillation techniques
发现论文，激发创造
  • 集合蒸馏技术扩展动作预测模型

    通过将模型集成和精简技术相结合，本研究提出了一种改善受限计算预算下动作预测系统的方法，实验证明模型集成并将其精简成小型学生模型，能够以较低的计算成本保持高性能，从而提高对于具有限计算预算的机器人系统的预测模型精度。

    Apr, 2024

  • Scene Transformer: 预测多个 Agent 轨迹的统一体结构

    本篇研究旨在提出一种基于遮罩策略和注意力机制的场景中多智能体行为预测模型，以解决自动驾驶中的动态环境下多种智能体之间相互作用问题，结果表明该模型在多种运动预测任务上表现出优越性和普适性。

    Jun, 2021

  • 通过蒸馏实现快速零标签场景流量

    通过使用无需标签的方法来监督前馈模型，本文提出了一个简单的蒸馏框架，其实例 ZeroFlow 可以在大规模点云上实时进行场景流估计，而不需要人工标注。

    May, 2023

  • 通过知识蒸馏提升无地图轨迹预测能力

    本篇论文利用分层知识蒸馏框架，将基于高清地图的预测模型的知识迁移到不需要高清地图的预测模型中，提高了自主驾驶的轨迹预测准确性。

    Jun, 2023

  • ProphNet: 以锚点为基础的高效代理 - 中心运动预测

    提出一种新颖的面向智能驾驶系统中的多模态运动预测的代理中心模型，并结合锚定地标、融合多样化提案的方法，实现了未来轨迹的精准预测，网络结构均相并且简明，可靠且高效。实验证明，该代理中心无论从预测精度还是从情境级别推断延迟方面均优于当前最先进的方法。

    Mar, 2023

  • 面向分布感知的自主驾驶安全目标预测和符合模型规划

    本文提出了一种基于模块化架构的学车任务分解方法，在障碍感知、目标预测和规划方面均取得了优秀的方法，并在 CARLA 模拟器上实现了最新的优秀结果。

    Dec, 2022

  • 面向场景的动态预测知识转移

    通过对视频场景内容及动态规律、语义等方面的先验知识进行分析和预处理，提出一种利用贝叶斯网络解决视频不同场景中的移动轨迹问题的方法，并在实验中证明了其有效性。

    Mar, 2016

  • SceneDM：具有一致性扩散模型的场景级多智能体轨迹生成

    基于扩散模型的新框架 SceneDM 旨在生成场景中各类代理（车辆、自行车、行人等）的联合一致未来行动，并通过基于 Transformer 的网络处理代理之间的相互作用，设计了简单而有效的一致扩散方法以提高模型性能，并附加了场景级评分函数来评估生成代理行动的安全性和道路遵守性，帮助过滤出不切实际的模拟。该框架在 Waymo Sim Agents Benchmark 上取得了最先进的结果。

    Nov, 2023

  • 迈向端到端自动驾驶运动规划器压缩的便携性

    本文提出 PlanKD，这是第一个专门用于压缩端到端运动规划器的知识蒸馏框架，通过信息瓶颈策略和安全感知的逐点蒸馏模块，可以显著提升较小规模规划器的性能并减少参考时间。

    Mar, 2024

  • 视频场景全面理解的精简语义

    本文提出了一种基于深度学习网络、自我监督和知识蒸馏的训练协议，能够同时学习单目摄像机所需的几何、运动和语义信息，从而实现对整个场景的全面识别。实验结果表明，该框架不仅在单目深度估计、光流和运动分割等任务中取得了最先进的性能表现，并且能够在高性能 GPU 和低功耗嵌入式平台上实现高效的应用。

    Mar, 2020