Core Concepts
本論文では、道路環境における動的物体の将来の挙動を予測するための深層学習モデル「OFMPNet」を提案する。このモデルは、鳥瞰図の道路画像、占有率グリッド、過去の流れ情報を入力とし、将来の占有率と流れを出力する。
Abstract
本論文では、自動運転システムにとって重要な課題である動的物体の挙動予測に取り組んでいる。従来の手法は個々の物体の軌跡を予測するのに対し、本手法は全ての動的物体の占有率と流れを同時に予測する。
提案するOFMPNetモデルは、以下の3つのタスクを統合的に解決する:
現在観測されている物体の将来の占有率予測
現在は観測されていない物体の将来の占有率予測
全ての物体の将来の流れ予測
モデルの主な構成要素は以下の通り:
Swin Transformerを用いた特徴抽出エンコーダ
LSTMを用いた特徴refinementモジュール
時間加重損失関数を用いた流れ予測の最適化
提案手法は、Waymo Open Motion Datasetを用いた実験で、最先端の性能を達成している。占有率予測のAUCは77%、流れ予測のAUCは76.75%を記録した。
Stats
占有率予測のAUCは77%に達した
流れ予測のAUCは76.75%に達した
占有率予測のSoft IoUは50.2%を記録した