La prédiction de trajectoire est une technologie fondamentale pour les systèmes autonomes avancés.
systèmes de conduite et représente l'un des problèmes les plus difficiles dans le
domaine de l'intelligence cognitive. Prédire avec précision les trajectoires futures
de chaque participant à la circulation est une condition préalable à la construction d'une sécurité élevée et d'un niveau élevé
prise de décision en matière de fiabilité, planification, et capacités de contrôle en mode autonome
conduite. Cependant, les méthodes existantes se concentrent souvent uniquement sur le mouvement d'autres
les participants au trafic sans tenir compte de l'intention sous-jacente derrière cela
mouvement, ce qui augmente l'incertitude dans la prédiction de trajectoire. Autonome
les véhicules fonctionnent dans des environnements en temps réel, ce qui signifie que la prédiction de trajectoire
les algorithmes doivent être capables de traiter les données et de générer des prédictions en temps réel.
Alors que de nombreuses méthodes existantes atteignent une grande précision, ils ont souvent du mal à
gérer efficacement des scénarios de trafic hétérogènes. Dans ce document, nous proposons un
Cadre subjectif à faible latence basé sur l'intention pour plusieurs participants au trafic
prédiction de trajectoire commune. Notre méthode intègre explicitement le subjectif
intention des participants au trafic en fonction de leurs points clés, et prédit le
trajectoires futures conjointement sans carte, ce qui garantit des performances prometteuses
tout en réduisant considérablement la latence de prédiction. En plus, nous présentons
un nouvel ensemble de données conçu spécifiquement pour la prédiction de trajectoire. Code associé
et l'ensemble de données sera bientôt disponible.

Cet article explore les excursions dans le temps et leurs implications.

Télécharger PDF: