本研究では、自動運転における周辺車両の運動予測のために、等変量特徴学習と不変な相互作用モデリングを組み合わせた新しいモデルを提案している。
具体的には以下の通り:
等変量特徴学習手法であるEqMotionを用いて、車両の運動履歴から幾何学的特徴と運動パターン特徴を抽出する。これにより、車両の運動の等変量性と車両間の不変な相互作用を捉えることができる。
抽出した特徴に基づいて、複数の未来軌道を確率的に予測する多様性予測メカニズムを導入する。これにより、動的な道路環境における車両の不確定な挙動を考慮することができる。
軌道の平均変位誤差と確率分布の交差エントロピーを組み合わせた損失関数を用いて、高精度な軌道予測と確信度の高い確率分布の両立を図る。
実験の結果、提案手法は既存の手法と比べて高い予測精度と効率的な学習時間を実現できることを示している。特に、等変量特徴学習と多様性予測の組み合わせが、自動運転における運動予測の高度化に有効であることが確認された。
他の言語に翻訳
原文コンテンツから
arxiv.org
深掘り質問