vor 11 Tagen
TENET: Transformer Encoding Network für effektive zeitliche Flussdarstellung in der Bewegungsvorhersage
Yuting Wang, Hangning Zhou, Zhigang Zhang, Chen Feng, Huadong Lin, Chaofei Gao, Yizhi Tang, Zhenting Zhao, Shiyu Zhang, Jie Guo, Xuefeng Wang, Ziyao Xu, Chi Zhang
Abstract
Dieser technische Bericht stellt eine effektive Methode zur Bewegungsvorhersage im autonomen Fahren vor. Wir entwickeln eine auf Transformers basierende Methode zur Eingabecodierung und Trajektorievorhersage. Zudem führen wir einen Temporal Flow Header ein, um die Trajektoriecodierung zu verbessern. Abschließend wird ein effizienter K-Means-Ensemble-Ansatz verwendet. Mit unserem Transformer-Netzwerk und dem Ensemble-Verfahren erreichen wir den ersten Platz beim Argoverse 2 Motion Forecasting Challenge mit dem stand der Technik erreichenden Brier-minFDE-Score von 1,90.