Modelo de MoE mejorado con Atten-LTC para la predicción de trayectorias de agentes en conducción autónoma

Área de la Ciencia:

• Sistemas de Conducción Autónoma
• Inteligencia Artificial
• Robótica

Sus antecedentes:

• La conducción autónoma depende de la predicción precisa de las trayectorias de los agentes.
• Es crucial comprender los comportamientos diversos e impredecibles de vehículos y peatones.
• Los métodos actuales enfrentan desafíos para manejar interacciones complejas espacio-temporales.

Objetivo del estudio:

• Abordar las complejidades de la predicción de trayectorias de un solo agente (SATP) y de múltiples agentes (MATP).
• Proponer un modelo innovador y extensible para la predicción de trayectorias en conducción autónoma.
• Mejorar la eficiencia computacional y la precisión de la predicción.

Principales métodos:

• Desarrollo del modelo Atten-LTC-MoE, que integra mecanismos de atención, redes de tiempo-constante líquido (LTC) y mezcla de expertos (MoE).
• Utilización de características espacio-temporales, fusión de datos de agentes y técnicas de vectorización.
• Aprovechamiento de la vectorización de carriles y agentes para mejorar la representación de datos.

Principales resultados:

• El modelo Atten-LTC-MoE demostró un rendimiento superior en los conjuntos de datos Argoverse e Interaction.
• Se lograron resultados de vanguardia en las métricas minADE₆ y minFDE₆.
• Se mostraron mejoras significativas en la precisión de la predicción de trayectorias de agentes y el rendimiento computacional.

Conclusiones:

• El modelo Atten-LTC-MoE propuesto ofrece una solución general y extensible para SATP y MATP.
• El modelo captura eficazmente la dinámica espacio-temporal compleja para una predicción de trayectorias confiable.
• Este avance contribuye a la practicidad y seguridad de la tecnología de conducción autónoma.