CASPNet++: Gemeinsame Mehr-Agenten-Bewegungsvorhersage

Die Vorhersage der zukünftigen Bewegung von Verkehrsteilnehmern ist eine entscheidende Aufgabe bei der Unterstützung fortschrittlicher Fahrerassistenzsysteme (ADAS). Für autonome Fahrfunktionen (AD) spielt sie eine noch wesentlichere Rolle, da sie die Planung und Ausführung sicherer Fahrmanöver ermöglicht. Aufbauend auf unserer vorherigen Arbeit, dem Context-Aware Scene Prediction Network (CASPNet), wird hier ein verbessertes System, CASPNet++, vorgestellt. In dieser Arbeit liegt der Fokus auf einer weiteren Verbesserung der Interaktionsmodellierung und der Szenenverstehens, um die gemeinsame Vorhersage aller Verkehrsteilnehmer in einer Szene zu unterstützen, wobei spatiotemporale Gitter zur Modellierung der zukünftigen Besetzungsrate verwendet werden. Zudem wird ein instanzbasiertes Ausgabekopfmodul eingeführt, das mehrmodale Trajektorien für interessierende Agenten bereitstellt. In umfangreichen quantitativen und qualitativen Analysen zeigen wir die Skalierbarkeit von CASPNet++ bei der Nutzung und Fusion verschiedener Umwelt-Eingabedatenquellen wie HD-Karten, Radar-Detektionen und Lidar-Segmentierungen. Getestet auf dem städtisch ausgerichteten Vorhersagedatensatz nuScenes erreicht CASPNet++ einen Stand der Technik. Das Modell wurde in einem Testfahrzeug implementiert und läuft in Echtzeit mit moderaten Rechenressourcen.