基于增强预测模型的自动驾驶轨迹预测OA

自动驾驶技术面临的主要挑战之一是实时预测周边智能体(Agent)未来可靠的轨迹信息,为辅助规划做出最优化决策。提出了一种名为GT-Former的智能体间交互预测模型。该模型以Transformer结构为基础,融合图卷积网络(GCN)以输出智能体动态交互特征。此外,地图与智能体的交互以智能体特征为查询条件,利用交叉注意力机制与多模态注意力机制结合,整合单模态与多模态的交互信息,全面获取智能体与各类地图特征之间的相互作用信息。在Waymo数据集上的仿真实验表明,这一综合策略提升了模型多智能体轨迹预测的准确性。