轨迹预测

【TNT】Target-driveN Trajectory Prediction学习笔记p ( s F ∣ χ ) = ∫ τ ∈ τ ( c P ) p ( τ ∣ χ ) p ( s F ∣ τ , χ ) d τ p(s_F|\chi)=\int_{\tau\in \tau(c_P)}^{} p(\tau|\chi)p(s_F|\tau,\chi)d\tau p(sF∣χ)=∫τ∈τ(cP)p(τ∣χ)p(sF∣τ,χ)dτ

目标点注意力Transformer：一种用于端到端自动驾驶的新型轨迹预测网络本文介绍了目标点注意力Transformer：一种用于端到端自动驾驶的新型轨迹预测网络。在自动驾驶领域中，已经有很多优秀的感知模型，用于目标检测、语义分割和其它任务，但是我们如何可以有效地将感知模型用于车辆规划呢？传统的自动驾驶车辆轨迹预测方法不仅需要遵循交通规则以实现避障，还需要按照规定的路线到达目的地。在本文中，我们提出了一种无规则的基于transformer的轨迹预测网络用于端到端自动驾驶，称为目标点注意力Transformer网络（TAT）。我们使用注意力机制来实现预测轨迹与感知特征以及目标点之间