効率的な注意ベースの車両運動予測のためのマップベースの機能の調査
Exploring Map-based Features for Efficient Attention-based Vehicle Motion Prediction 複数のエージェントのモーション予測（MP）は、ソーシャルロボットから自動運転車まで、任意の複雑な環境で重要なタスクです。現在のアプローチでは、エンドツーエンドのネットワークを使用してこの問題に取り組んでいます。入力データは通常、シーンのレンダリングされた上面図とすべてのエージェントの過去の軌跡です。この情報を活用することは、最適なパフォーマンスを得るために必須です。その意味で、信頼性の高い自動運転（AD）システムは、時間どおりに合理的な予測を生成する必要がありますが、これらのアプローチの多くは単純なConvNetとLSTMを使用しますが、両方の情報源を使用する場合、モデルはリアルタイムアプリケーションに対して十分に効率的で
効率的な注意ベースの車両運動予測のためのマップベースの機能の調査
Exploring Map-based Features for Efficient Attention-based Vehicle Motion Prediction 複数のエージェントのモーション予測（MP）は、ソーシャルロボットから自動運転車まで、任意の複雑な環境で重要なタスクです。現在のアプローチでは、エンドツーエンドのネットワークを使用してこの問題に取り組んでいます。入力データは通常、シーンのレンダリングされた上面図とすべてのエージェントの過去の軌跡です。この情報を活用することは、最適なパフォーマンスを得るために必須です。その意味で、信頼性の高い自動運転（AD）システムは、時間どおりに合理的な予測を生成する必要がありますが、これらのアプローチの多くは単純なConvNetとLSTMを使用しますが、両方の情報源を使用する場合、モデルはリアルタイムアプリケーションに対して十分に効率的で
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
https://arxiv-check-250201.firebaseapp.com/each/2405.02792v1
https://arxiv-check-250201.firebaseapp.com/each/2401.11284v1
不確実性の回避: 自動運転車の安全性における短期軌道予測の役割
エンドツーエンドの車両軌跡予測フレームワーク
https://arxiv-check-250201.firebaseapp.com/each/2302.10719v2
低照度シナリオでの軌道予測のためのマルチストリーム情報融合の活用：マルチチャネルグラフ畳み込みアプローチ
S2TNet：自動運転における軌道予測のための時空間トランスフォーマーネットワーク
歩行者の軌道予測のための歩行者と車両の相互作用の学習
TransFollower：トランスフォーマーによるロングシーケンスの自動車追跡軌道予測
不均衡な学習手法を使用した車両挙動の予測と一般化
データキューブ構造と予測衝突リスク推定モデルを組み合わせた車両歩行者の相互作用の分析
都市監視インフラにおける予防的歩行者事故防止システムのための予測衝突リスク領域推定の新しい方法
車線注意：車線上での注意を学習することによる車両の移動軌道の予測
ウインカー予測：連合学習のケーススタディ