原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
Google和Waymo最新行为预测方法VectorNet
该方法的概貌如图所示：它是一种分层图结构，连接具有相同语义标签属于相同折线的向量并嵌入到折线特征中，而所有折线彼此完全连接以交换信息。用多层感知器（multi-layer perceptrons）实现局部图，并用自注意（self-attention）实现全局图。
如图是该图中相同折线的矢量节点计算流：
折线子图网络（polyline subgraph network）可以看作是3D PointNet的概括。但是，将排序信息嵌入矢量、基于折线分组约束子图的连通性以及将属性编码为节点特征，该方法更适合于编码结构化地图标注和代理轨迹。
为促进全局交互图更好地捕获不同轨迹和地图的折线之间交互，文中引入了辅助的图完整（graph completion）任务。图完整的目标与自然语言处理（NLP）的BERT方法密切相关，后者基于离散和顺序文本数据的双向上下文来预测丢失的标记。
几种最近方法将BERT目标概括为具有预计算视觉特征的无序图像块，该文方法与之不同，节点特征在端到端框架中联合优化。
多任务训练目标函数定义为：
其中L_traj是真实未来轨迹负高斯对数似然，L_node是预测节点特征与真实掩码节点特征之间Huber损失。将预测轨迹参数化为从最后观测位置开始的坐标偏移，根据目标车辆在最后观测位置的航向旋转坐标系。
如图是结果展示：左图是预测（prediction）可视化，右图是对道路和代理的注意（attention）可视化。
下表是一些结果比较：基线方法包括恒速运动、最近邻检索和LSTM编码器/解码器。最好的方法是Argoverse预测挑战赛的冠军 （/web/challenges/challenge/454/leaderboard/1279）
文档评论（0）