Centrala begrepp
提案手法は、事前分布の推定を通じて拡散プロセスの効率を大幅に向上させ、入力ノイズに対する頑健性を高めることができる。
Sammanfattning
本研究では、自動運転における動作予測の課題に取り組んでいる。動作予測は自動運転システムの安全性を確保する上で重要な課題であるが、現実世界の複雑な状況下では確率的な性質や多様性を適切にモデル化することが難しい。
提案手法は以下の3つの主要コンポーネントから構成される:
シナリオエンコーダ: 交通シナリオ内の agent間の相互作用や agent と地図情報の関係をエンコードする。
動作パターン推定器: 事前分布を効率的に推定し、拡散プロセスの初期段階で良質な軌道を生成する。
条件付き拡散ディノイジング: 推定された事前分布を精緻化し、最終的な軌道を生成する。
提案手法は、Argoverse 1 motion forecasting datasetで評価され、従来手法と比較して高い予測精度と高速な推論時間を実現している。また、入力ノイズに対する頑健性も確認されている。
Statistik
提案手法は、従来の拡散モデルと比べて136ms の推論時間を実現している。
提案手法は、Argoverse 1 motion forecasting datasetにおいて、minADE 0.7916、minFDE 1.2191、Miss Rate 0.1409の性能を示している。
Citat
"提案手法は、事前分布の推定を通じて拡散プロセスの効率を大幅に向上させ、入力ノイズに対する頑健性を高めることができる。"
"提案手法は、Argoverse 1 motion forecasting datasetで評価され、従来手法と比較して高い予測精度と高速な推論時間を実現している。"