Integrating occlusion awareness in urban motion prediction for enhanced autonomous vehicle navigation

运动预测是实现自动驾驶车辆全面部署的关键因素。在高度交互和复杂的场景中导航时，它是确保安全的基础。由于视野受阻或传感器范围受限，缺乏可见性对自动驾驶车辆构成了巨大的安全问题。在交互感知方法中加入遮挡并没有在文献中得到很好的探索。在本文中，MultIAMP框架通过整合动态贝叶斯网络和马尔可夫链产生多模态概率输出，从而扩展了遮挡处理。该框架在两个现实用例中与最先进的运动规划器进行了评估。

论文旨在解决自动驾驶车辆在遇到遮挡物时的运动预测问题，以提高安全性。该问题在交互式场景下尤其复杂，而目前文献中对于遮挡物的影响尚未得到很好的探索。

论文提出了一个名为MultIAMP的框架，通过将动态贝叶斯网络和马尔可夫链相结合，产生多模态的概率输出来解决遮挡问题。

论文使用了两个真实场景下的数据集来评估MultIAMP框架，并与当前最先进的运动规划器进行了比较。该框架的开源代码也已经公开。此外，论文还提到了其他一些值得深入研究的方向，如如何处理多个遮挡物的情况。

与本论文相关的研究包括：1. 'Interaction-aware motion prediction using a mixture of interaction-tuned decoupled GP models'；2. 'Probabilistic interaction-aware decision-making for autonomous driving using a Gaussian process dynamical model'。