ProphNet: アンカーに基づいた提案を用いた効率的なエージェント中心の動き予測

動き予測は自律運転システムの重要なモジュールです。複数のソースからの入力の異質性、エージェントの行動の多様性、そしてオンボード展開に必要な低遅延のため、このタスクは非常に難しいことで知られています。これらの課題に対応するため、本論文では効率的な多様な動き予測のために、アンカーに基づいた新しいエージェント中心のモデルを提案します。複雑な入力を統一的な方法で簡潔にエンコードするためのモダリティ非依存の戦略を設計します。目標指向のシーンコンテキストを持つアンカーと融合した多様な提案を生成し、幅広い将来の軌道をカバーする多様な予測を誘導します。私たちのネットワークアーキテクチャは非常に均一で簡潔であり、実世界の運転展開に適した効率的なモデルにつながります。実験結果は、私たちのエージェント中心のネットワークが予測精度において最先端の手法と比較して好結果を示し、シーン中心の推論遅延を達成することを明らかにしています。