【加利福尼亚大学圣迭戈分校】用于轨迹预测的无视觉感知

文章预览

点击下方 卡片 ，关注“ 自动驾驶专栏 ”公众号 自动驾驶干货 ，即可获取 论文链接： https://arxiv.org/pdf/2405.09049 摘要 本文介绍了用于轨迹预测的无视觉感知。本项研究调研了在自动驾驶机器学习任务中使用轨迹和动态状态信息实现有效的数据管理。本文提出了在主动学习框架中对轨迹状态和采样策略进行聚类的方法，旨在降低标注和数据成本，同时维持模型性能。本文方法利用轨迹信息来引导数据选择，提升训练数据的多样性。本文使用nuScenes数据集证明了所提出方法在轨迹预测任务中的有效性，在不同数据池规模的随机采样中展现出一致的性能提升，甚至仅以50%的数据成本就达到了基线以下的位移误差。本文研究结果表明，对典型数据采样最初有助于克服“冷启动问题”，而随着训练池规模的增加，引入novelty变得更为有用。通过集成基于轨迹- ………………………………