LaneRCNN: تمثيلات موزعة للتنبؤ بالحركة المركزية حول الرسوم البيانية

تنبؤ سلوك الكائنات الديناميكية في المستقبل هو مهمة مهمة في العديد من تطبيقات الروبوتات، مثل السيارات ذاتية القيادة. ويعتبر هذا التحدي شديد الصعوبة نظرًا لأن هذه الكائنات تمتلك نوايا خفية، وتقود مساراتها تفاعلات معقدة بين الكائنات الأخرى، وبينها وبين الخرائط. في هذا البحث، نقترح نموذج التنبؤ بالحركة المتمحور حول الرسوم البيانية، المسمى LaneRCNN. وبشكل مهم، نعتمد على مشفر رسومي مصمم خصيصًا، لاستخلاص تمثيل محلي لشبكة الطرق لكل كائن (LaneRoI) يُستخدم لتمثيل حركته الماضية وبنية الخريطة المحلية. ونطور أيضًا وحدة تفاعلية تتيح تبادل الرسائل بكفاءة بين تمثيلات الرسوم المحلية ضمن شبكة طريق عالمية مشتركة. علاوة على ذلك، نُمَثِّل المسارات الناتجة بناءً على شبكات الطرق، وهو نمط تنبؤ أكثر ملائمة. يُظهر نموذج LaneRCNN العلاقات بين الكائنات وبين الخرائط بطريقة موزعة وواعية بالخرائط. ونُثبت فعالية نهجنا على معيار Argoverse لتنبؤ الحركة على نطاق واسع. وقد حققنا المركز الأول في قائمة التصنيف، وتفوّقنا بشكل كبير على أفضل النتائج السابقة.