摘要

最近有大量的自动驾驶汽车(SDVs)领域的文献，研究人员专注于SDV系统的各种组件，这些组件有潜力提高街道性能。雷竞技是骗人的这包括探索改善对SDV周围环境的感知，或提出提供更好的短期预测附近交通行动者行为的算法。然而，在大多数情况下，作者报告的只是对整个数据计算的汇总指标，经常没有充分考虑流量数据集固有的偏差。我们认为，这种做法可能不能给出预测模型的实际性能的全貌，事实上，可能掩盖了它的一些问题领域(例如，处理转弯)。我们分析了流量数据中存在的偏差量，并探讨了解决这一问题的方法。特别是，我们建议使用一种新型的越野损耗和标准偏差缓解技术，从而提高性能。我们进一步建议避免汇总指标，而是分析相关的性能
数据的子集，从而更好地捕获实际的模型功能。此外，我们提出了一种新的越野误差测量方法来补充常用的预测度量。对现实世界数据的大量分析表明，所提出的方法有助于提高SDV技术的性能。

作者

马修·NiedobaHenggang崔,凯文•罗沾光对冲基金，Fang-Chieh周，维Djuric

会议

NeurIPS 2019

论文全文

“利用越野损失和偏差缓解改进交通行动者的运动预测”(PDF)

超级ATG