科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对社会生成对抗网络未能充分提取车辆移动隐藏状态和无法获取足够的车辆间交互信息的问题,提出了一种基于注意力机制和生成对抗网络的车辆轨迹预测模型AGAN。其中,历史注意力机制计算车辆在历史隐藏状态上的关注点,社会注意力机制计算周围车辆对目标车辆的影响权重。结合历史和社会注意力机制即可获得同时包含时间和空间影响因素的车辆移动信息,借助生成对抗网络进行全局联合训练,能够生成符合物理约束和社会规范的未来轨迹。在Argoverse提供的数据集上进行验证,结果表明,与SGAN模型相比,AGAN模型在ADE和FDE指标上分别降低了4.4%和3.8%。
- 单位
