Pishgu : Architecture universelle de réseau de prédiction de chemin pour les systèmes cyber-physiques embarqués en temps réel

La prédiction de trajectoire constitue une tâche essentielle pour de nombreuses applications de systèmes cyber-physiques (CPS) du monde réel, allant de la conduite autonome et de la surveillance/gestion du trafic à la sécurité des piétons et des travailleurs. Ces applications CPS réelles nécessitent une prédiction de trajectoire robuste et légère, capable de proposer une architecture réseau universelle pour plusieurs sujets (par exemple, piétons et véhicules) depuis différentes perspectives. Toutefois, la plupart des algorithmes existants sont spécifiquement conçus pour un sujet unique, une perspective de caméra particulière et un scénario donné. Cet article présente Pishgu, une architecture réseau légère et universelle, offrant une solution robuste et globale pour la prédiction de trajectoire. L’architecture de Pishgu peut s’adapter à plusieurs domaines de prédiction de trajectoire, incluant différents sujets (véhicules, piétons), différentes perspectives (vue de dessus, vue haute) et divers scénarios (trottoir, autoroute). Notre architecture proposée exploite les réseaux d’isomorphisme de graphes et un module d’attention afin de capturer les dépendances inter-sujets au sein de chaque trame. Nous entraînons et évaluons indépendamment l’efficacité de notre architecture sur trois domaines CPS distincts, couvrant plusieurs perspectives (vue de dessus des véhicules, vue de dessus des piétons, vue haute humaine). Pishgu surpasse les solutions de pointe dans le domaine de la vue de dessus des véhicules de 42 % et 61 %, ainsi que dans le domaine de la vue haute des piétons de 23 % et 22 %, en termes d’ADE (Average Displacement Error) et de FDE (Final Displacement Error), respectivement. En outre, nous analysons les spécificités propres à chaque domaine pour divers jeux de données afin de comprendre leur impact sur la prédiction de trajectoire et l’interprétabilité du modèle. Enfin, nous présentons les latences et débits obtenus sur plusieurs plateformes embarquées pour les trois domaines, mettant ainsi en évidence la robustesse et l’adaptabilité de Pishgu pour une intégration concrète dans les applications CPS du monde réel.