DiversityGAN: Predição de Movimento de Veículos Consciente da Diversidade via Amostragem Semântica Latente

A predição de trajetórias de veículos é crucial para a condução autônoma e sistemas avançados de assistência ao motorista. Embora as abordagens existentes possam amostrar a partir de uma distribuição prevista de trajetórias de veículos, elas não têm a capacidade de explorá-la - uma habilidade chave para avaliar a segurança sob a perspectiva de planejamento e verificação. Neste trabalho, concebemos uma nova abordagem para gerar trajetórias de veículos realistas e diversas. Primeiro, estendemos a estrutura da rede adversarial generativa (GAN) com um espaço semântico aproximado de baixa dimensão e moldamos esse espaço para capturar semânticas como mesclagem e viradas. Em seguida, amostramos desse espaço de uma maneira que imita a distribuição prevista, mas nos permite controlar a cobertura de resultados semanticamente distintos. Validamos nossa abordagem em um conjunto de dados publicamente disponível e mostramos resultados que alcançam desempenho de previsão de ponta, enquanto fornecem melhor cobertura do espaço das semânticas de trajetórias previstas.