OFMPNet | 端到端的神经网络方法用于多任务占用和流量预测，提高自动驾驶安全！

文章预览

点击下方 卡片 ，关注“ 自动驾驶之星 ” 这里有一群奋斗在自动驾驶 & 座舱量产第一线的小伙伴等你加入 在自动驾驶系统中，运动预测任务至关重要，它为车辆在其周围环境中选择行为策略提供了关键数据。现有的运动预测技术主要关注于单独预测场景中每个代理的未来轨迹，利用其过去的轨迹数据。 在本文中，作者介绍了一种端到端的神经网络方法，旨在预测环境中所有动态目标未来的行为。这种方法利用了占用图和场景的运动流。 作者正在研究构建一种称为OFMPNet的深度编码器-解码器模型的多种选择。该模型使用一系列鸟瞰道路图像、占用网格和先前的运动流作为输入数据。模型的编码器可以融合 Transformer 、基于注意力的或卷积单元。解码器考虑使用卷积模块和循环块。此外，作者提出了一种新颖的时间加权运动流损失，其应用显著降低 ………………………………