استخدام الاستدلال حول العلاقات المستقبلية لتنبؤ مسارات المركبات

فهم التفاعل بين الوكلاء المتعددين يُعد أمرًا حاسمًا لتنبؤ مسارات المركبات بشكل واقعي. حاولت الطرق الحالية استنتاج التفاعل من المسارات الماضية المُلاحظة للوكلاء باستخدام أساليب التجميع (pooling) أو الانتباه (attention) أو الأساليب القائمة على الرسوم البيانية (graph-based)، وهي أساليب تعتمد على نهج محدد (deterministic). ومع ذلك، قد تفشل هذه الطرق في الهياكل الطرقية المعقدة، لأنها لا تستطيع التنبؤ بالتفاعلات المتنوعة التي قد تحدث في المستقبل. في هذا البحث، نقترح منهجية جديدة تعتمد على معلومات المسارات (lanes) لتنبؤ علاقة مستقبلية عشوائية (stochastic) بين الوكلاء. وللحصول على حركة مستقبلية تقريبية للوكلاء، تقوم طريقة我们的 أولاً بتنبؤ احتمالية اشغال نقاط مسارية على مستوى المسار (lane-level waypoint occupancy) من قبل المركبات. ثم نستخدم الاحتمال الزمني لعبور الوكلاء لمسارات مجاورة لكل زوج من الوكلاء، بافتراض أن الوكلاء الذين يعبرون مسارات مجاورة سيتفاعلون بشكل كبير. كما نُمَثِّل التفاعل باستخدام توزيع احتمالي، مما يسمح بوجود تفاعلات مستقبلية متعددة ممكنة. ويتم تعلم هذا التوزيع من التوزيع اللاحق (posterior distribution) للتفاعل المستمد من المسارات المستقبلية الحقيقية (ground truth). وقد قمنا بتوثيق أداء طريقة我们的 على مجموعتي بيانات شهيرتين لتنبؤ المسارات: nuScenes وArgoverse. وأظهرت النتائج أن الطريقة المقترحة تحقق تحسنًا كبيرًا في دقة التنبؤ، وتحقق أداءً رائدًا على مستوى المجموعة القياسية لتنبؤات المستقبل الطويلة.