Atten-LTC-MoEモデルを用いた自律走行におけるエージェント軌道予測

科学分野:

• 自律走行システム
• 人工知能
• ロボット工学

背景:

• 自律走行は、エージェント軌道の正確な予測に依存しています。
• 車両や歩行者の多様で予測不可能な挙動を理解することが不可欠です。
• 現在の方法では、複雑な時空間的相互作用の処理に課題があります。

研究 の 目的:

• 単一エージェント軌道予測（SATP）および複数エージェント軌道予測（MATP）の複雑性に対処すること。
• 自律走行における軌道予測のための革新的で拡張性の高いモデルを提案すること。
• 計算効率と予測精度を向上させること。

主な方法:

• アテンションメカニズム、リキッド時間定数（LTC）ネットワーク、エキスパート混合（MoE）を統合したAtten-LTC-MoEモデルの開発。
• 時空間特徴、エージェントデータ融合、ベクトル化技術の利用。
• データ表現の改善のためのレーンおよびエージェントのベクトル化の活用。

主要な成果:

• Atten-LTC-MoEモデルは、ArgoverseおよびInteractionデータセットで優れたパフォーマンスを示しました。
• minADE₆およびminFDE₆メトリクスにおいて、最先端の結果を達成しました。
• エージェント軌道予測の精度と計算パフォーマンスにおいて、大幅な改善を示しました。

結論:

• 提案されたAtten-LTC-MoEモデルは、SATPおよびMATPのための一般的で拡張性の高いソリューションを提供します。
• このモデルは、信頼性の高い軌道予測のために複雑な時空間ダイナミクスを効果的に捉えます。
• この進歩は、自律走行技術の実用性と安全性に貢献します。