文章目录
TNT：基于目标驱动的轨迹预测
摘要： 预测移动主体的未来行为，对于现实世界的应用至关重要。这是具有挑战的，因为主体的意图和相应的行为是未知的并且本质上是多模态的。我们的关键见解是：对于中等时间范围内的预测，未来模式可以被一组目标状态有效地捕获。这就引出了我们的目标驱动轨迹预测(TNT)框架。TNT有三个端到端训练的阶段。它首先通过编码主体与环境和其他主体的交互来预测主体未来T步的潜在目标状态。然后TNT生成以目标为条件的轨迹状态序列。最后阶段估计轨迹可能性并选择最终紧凑的轨迹预测集。这与之前的研究形成了鲜明的对比，之前的研究将主体意图作为潜在变量进行建模，并依赖于测试时间采样来生成不同的轨迹。我们在车辆和行人的轨迹预测上以TNT为基准进行了测试，我们的表现超过了在Argoverse Forecasting、 INTERACTION、Stanford Drone和内部Pedestrian-at-Intersection数据集上最优秀的模型。
关键词： 轨迹预测、多模式预测。
1. 介绍
在机器人技术中，预测在现实环境中移动主体的未来状态的是重要而基本的问题。例如，在公共道路上的自动驾驶设置中，准确理解未来其他车辆和行人可能在哪里是非常重要的，以便自动驾驶汽车采取安全有效的行动。
