Jul, 2024
融入时空交互分析的风险感知轨迹预测
Risk-aware Trajectory Prediction by Incorporating Spatio-temporal
Traffic Interaction Analysis
TL;DR为了在人类在复杂多样的环境中操作，自主机器人必须学会预测行为，尤其是当该行为对其他机体或机器人具有潜在危险时。通过分析常见高风险交互中的位置和速度，我们提出一种在训练中使用的方法，以改进在高风险情况下的预测，从而降低事故的风险。通过基于位置和速度的重新加权技术，我们在最可能的FDE和KDE衡量指标上实现了整体性能的提高，以及在高速车辆和高风险位置内的车辆上的表现的改善。