【标题】End-to-End Trajectory Distribution Prediction Based on Occupancy Grid Maps

【作者团队】Ke Guo, Wenxi Liu, Jia Pan

【发表日期】2022.3.31

【论文链接】https://arxiv.org/pdf/2203.16910.pdf

【推荐理由】本文的目标是在给定社会场景图像和历史轨迹的情况下预测现实世界中移动智能体的未来轨迹分布。 然而，真实分布是未知且不可观察的，而其中只有一个样本可以用于监督模型学习，这容易产生偏差。 最近的工作集中在预测不同的轨迹以涵盖真实分布的所有模式，但他们可能会轻视精度，从而过多地相信不切实际的预测。 为了解决这个问题，本文使用占用网格图来学习具有对称交叉熵的分布，作为对真实分布的明确且符合场景的近似。 具体来说，本文提出了一种基于逆强化学习的多模态轨迹分布预测框架，该框架通过近似值迭代网络以端到端的方式学习规划。 此外，通过可微的基于 Transformer 的网络生成一小组具有代表性的轨迹，其注意力机制有助于对轨迹的关系进行建模。 在实验中，本文的方法在斯坦福无人机数据集和交叉无人机数据集上实现了最先进的性能。

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除