基于深度学习的自动驾驶多模态轨迹预测方法:现状及展望

TP29; 对周围车辆轨迹的精确预测可以辅助自动驾驶车辆做出合理的即时决策.虽然相比传统轨迹预测算法,深度学习方法已取得较好效果,但是自动驾驶车辆在异构高动态复杂变化环境下实现多模态高精度预测仍存在信息丢失、交互和不确定性难以建模、预测缺乏可解释性等问题.Transformer具备的长距离建模能力和并行计算能力使其不仅在自然语言处理领域取得巨大成功,而且在扩展至自动驾驶多模态轨迹预测任务时也解决了以上问题.基于此,对过去基于深度神经网络的方法,特别是对基于Transformer的方法进行全面总结与回顾;同时分析了Transformer相较于传统序列网络、图神经网络、生成模型的优势,并结合现有难...

Full description

Saved in:
Bibliographic Details
Published in智能科学与技术学报 Vol. 5; no. 2; pp. 180 - 199
Main Authors 黄峻, 田永林, 戴星原, 王晓, 平之行
Format Journal Article
LanguageChinese
Published 澳门科技大学,澳门999078 15.06.2023
北方自动控制技术研究所,山西太原030006
中国科学院自动化研究所复杂系统管理与控制国家重点实验室,北京100190
安徽大学人工智能学院,安徽合肥230601
青岛智能产业技术研究院,山东青岛266000%中国科学院自动化研究所复杂系统管理与控制国家重点实验室,北京100190
中国科学院自动化研究所北京市智能化技术与系统工程技术研究中心,北京100190
中国科学院自动化研究所北京市智能化技术与系统工程技术研究中心,北京100190%青岛智能产业技术研究院,山东青岛266000
北京怀柔平行传感智能研究院,北京101400%中国科学院自动化研究所复杂系统管理与控制国家重点实验室,北京100190
自主无人系统技术教育部工程研究中心,安徽合肥230601
安徽省无人系统与智能技术工程研究中心,安徽合肥230601%北京怀柔平行传感智能研究院,北京101400
POSTS&TELECOM PRESS Co., LTD
Subjects
transformer
图神经网络
多模态
序列网络
生成模型
轨迹预测
trajectory prediction
生成模型
多模态
图神经网络
Transformer
轨迹预测
sequential network
multimodal
graph neural network
generative model
序列网络
Online AccessGet full text
ISSN2096-6652
DOI10.11959/j.issn.2096-6652.202317

Cover

More Information
Summary:TP29; 对周围车辆轨迹的精确预测可以辅助自动驾驶车辆做出合理的即时决策.虽然相比传统轨迹预测算法,深度学习方法已取得较好效果,但是自动驾驶车辆在异构高动态复杂变化环境下实现多模态高精度预测仍存在信息丢失、交互和不确定性难以建模、预测缺乏可解释性等问题.Transformer具备的长距离建模能力和并行计算能力使其不仅在自然语言处理领域取得巨大成功,而且在扩展至自动驾驶多模态轨迹预测任务时也解决了以上问题.基于此,对过去基于深度神经网络的方法,特别是对基于Transformer的方法进行全面总结与回顾;同时分析了Transformer相较于传统序列网络、图神经网络、生成模型的优势,并结合现有难题进行针对性分析与分类.Transformer模型可以更好地应用于多模态轨迹预测任务,此类模型具有更好的泛化性和可解释性.最后,对多模态轨迹预测未来发展方向进行了展望.
ISSN:2096-6652
DOI:10.11959/j.issn.2096-6652.202317