EuroPVI密集城市中心的行人车辆交互

密集的内城环境是自动驾驶汽车最具挑战性的地点之一。当前的大多数轨迹预测数据集都是在多车道道路上收集的，在这些道路上，车辆与行人或骑自行车的人之间的互动很少。

最近在 arXiv.org 上的一项研究引入了一个数据集，其中包含丰富多样的自驾车和行人之间的交互集。

它是在比利时两个城市的繁忙城市地标附近收集的。一种新颖的 联合β条件变分自动编码器对代理之间的“共享”潜在空间进行建模，以更好地捕捉潜在空间中交互的影响并准确表示轨迹的多模态分布。即使在使用更具挑战性的新数据集时，这种方法也证明了最先进的结果用于交互预测任务。

准确预测行人和自行车道是在密集的城市环境中开发可靠的自动驾驶汽车不可或缺的一部分。车辆与行人或骑自行车者之间的相互作用对交通参与者的轨迹有重大影响，例如停车或转弯以避免碰撞。尽管最近的数据集和轨迹预测方法促进了自动驾驶汽车的发展，但建模的车辆与行人(骑自行车的人)交互的数量很少。在这项工作中，我们提出了 Euro-PVI，这是一个行人和骑自行车者轨迹的数据集。特别是，与现有数据集相比，我们的数据集在密集的城市场景中可以满足更多样化和更复杂的交互。为了解决通过密集相互作用预测未来轨迹的挑战，我们开发了一个联合推理模型，该模型可以学习城市场景中跨代理的富有表现力的多模态共享潜在空间。这使我们的联合β- cVAE 方法可以更好地模拟未来轨迹的分布。我们在 nuScenes 和 Euro-PVI 数据集上取得了最先进的结果，证明了捕获自我车辆和行人(骑自行车者)之间的交互以进行准确预测的重要性。

标签： 行人车辆交互