开发者说 | EDA：采用可更新且具区分度锚点的多模态运动预测

文章预览

• 原文链接： https://ojs.aaai.org/index.php/AAAI/article/view/28130 •  代码链接： https://github.com/Longzhong-Lin/EDA 多模态运动预测 在自动驾驶领域，运动预测 (Motion Prediction) 是一个重要任务，它有助于场景理解和安全决策。该任务利用历史状态和道路地图来预测目标智能体的未来轨迹。其主要挑战来自未来行为的多模态性 (Multimodality) ，即智能体在相同环境和状态下可能展现出多种不同的行为模式。 图表1 智能体在相同环境和状态下可能展现出多种不同的 行为模式 混合模型与正样本匹配 近年来， 混合模型 (Mixture Model)  例如高斯混合模型 (GMM) 已成为表征多峰未来行为分布的主流方法。混合模型通常采用“赢家通吃”的回归损失和分类损失，这需要明确混合组分 (Mixture Component) 中的正负样本，来作为分类损失的标签，以及计算正组分对应预测轨迹的回归损失 ………………………………