• 論文鏈接：https://arxiv.org/pdf/2502.08664

摘要

本文介紹了自動駕駛汽車的運動預測：綜述。近年來，自動駕駛領域吸引了越來越多的關注。準確預測各種交通參與者的未來行為對于自動駕駛汽車（AVs）的決策是至關重要的。本文主要研究基于場景和基于感知的自動駕駛汽車運動預測。本文提出了運動預測的形式化問題表述，并且總結(jié)了該研究領域面臨的主要挑戰(zhàn)。本文還詳細介紹了與該領域相關的代表性數(shù)據(jù)集和評估指標。此外，本文將最近的研究分為兩個主要類別：監(jiān)督學習和自監(jiān)督學習，它們反映了基于場景和基于感知的運動預測中不斷發(fā)展的范式。在監(jiān)督學習的背景下，本文深入檢驗并且分析了該方法的每個關鍵元素。對于自監(jiān)督學習，本文總結(jié)了常用的技術(shù)。最后，本文總結(jié)并且討論了潛在的研究方向，旨在推進AV技術(shù)這一重要領域的發(fā)展。

主要貢獻

本文的貢獻總結(jié)如下：

1）本文全面概述了自動駕駛汽車運動預測的最新研究，涵蓋了基于場景和基于感知方法的通用流程；

2）本文總結(jié)并且討論了未來的研究方向，為推進AV技術(shù)的發(fā)展做出了貢獻。

論文圖片和表格

總結(jié)

本文全面概述了自動駕駛汽車運動預測的最新進展。本文首先介紹了運動預測的表述，然后回顧了各種廣泛使用的數(shù)據(jù)集。接著，詳細解釋了專門為運動預測設計的評估指標。最先進的預測模型已經(jīng)取得了重大進展，它們采用了注意力機制、GNNs、transformers和自監(jiān)督架構(gòu)等先進技術(shù)。盡管這些技術(shù)取得了突破，但是該領域仍然面臨著重大挑戰(zhàn)。理解運動預測對于自動駕駛至關重要，因為它極大地提高了道路場景的可解釋性，從而在提高未來自動駕駛技術(shù)的安全標準方面發(fā)揮著重要作用。