HyperAIHyperAI
il y a 17 jours

CASPNet++ : Prédiction conjointe du mouvement par multi-agents

Maximilian Schäfer, Kun Zhao, Anton Kummert
CASPNet++ : Prédiction conjointe du mouvement par multi-agents
Résumé

La prédiction du mouvement futur des usagers de la route constitue une tâche cruciale dans le soutien aux systèmes d’aide à la conduite avancés (ADAS). Elle revêt une importance encore plus grande pour la conduite autonome (AD), où elle permet la planification et l’exécution de manœuvres de conduite sûres. À partir de notre travail précédent, le réseau de prédiction de scènes contextuel (CASPNet), nous proposons une version améliorée, CASPNet++. Dans ce travail, nous nous concentrons sur une amélioration accrue de la modélisation des interactions et de la compréhension du scénario, afin de permettre une prédiction conjointe de tous les usagers de la route dans une scène, en utilisant des grilles spatio-temporelles pour modéliser l’occupation future. En outre, une tête de sortie basée sur les instances est introduite pour fournir des trajectoires multi-modales pour les agents d’intérêt. À travers une analyse quantitative et qualitative étendue, nous démontrons la capacité de CASPNet++ à exploiter et à fusionner efficacement diverses sources d’entrée environnementale, telles que les cartes HD, les détections radar et la segmentation Lidar. Testé sur le jeu de données nuScenes, spécifiquement conçu pour les environnements urbains, CASPNet++ atteint des performances de pointe. Le modèle a été déployé dans un véhicule de test, où il fonctionne en temps réel avec des ressources informatiques modérées.