抽象的
自主驾驶呈现出器机器人和人工智能社区在困难和潜在的社会影响方面面临的最大问题之一。预计自动驾驶车辆（SDVS）预计将防止道路事故，并节省数百万生命，同时提高了更多的生计和生活质量。然而，尽管有很大的兴趣和许多行业参与者在自主域中工作，但仍有更多要做的是开发一个能够在与最佳人类驱动因素相比的水平上运行的系统。这是一个原因是交通行为的高度不确定性以及SDV可能在道路上遇到的大量情况，使得创建一个完全更广泛的系统非常困难。为了确保安全和高效的操作，需要一个自主车辆来解释这种不确定性，并预测其周围的交通演员的多种可能的行为。在这项工作中，我们解决了这个关键问题，并呈现了一种方法来预测某人的多个可能的演员轨迹，同时估计它们的概率。该方法将每个Actor的周围上下文编码为光栅图像，用作深度卷积网络的输入，以自动推导任务的相关功能。随着广泛的离线评估和与最先进的基线进行比较，以及关闭课程测试，该方法已成功部署到SDV的队列。
作者
恒康崔，Vladan radosavljevic，方驰围那宗汉琳那Thi Nguyen.那Tzu-Kuo Huang，杰夫施奈德，nemanja djuric.
会议
ICRA 2019.
全文
优步阿格
注释