本文經(jīng)自動駕駛之心公眾號授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。

• 論文鏈接：https://arxiv.org/pdf/2403.11695.pdf

本文介紹了TrajectoryNAS：一種用于軌跡預(yù)測的神經(jīng)結(jié)構(gòu)搜索。自動駕駛系統(tǒng)是一項快速發(fā)展的技術(shù)，其可以實現(xiàn)無人駕駛汽車的量產(chǎn)。軌跡預(yù)測是自動駕駛系統(tǒng)的一個關(guān)鍵組成部分，其使汽車能夠預(yù)測周圍目標(biāo)的運動，從而實現(xiàn)安全導(dǎo)航。由于使用激光雷達(dá)點云數(shù)據(jù)的軌跡預(yù)測提供了3D信息，因此其比使用2D圖像的軌跡預(yù)測表現(xiàn)更好。然而，處理點云數(shù)據(jù)比2D圖像更復(fù)雜、更耗時。因此，使用點云數(shù)據(jù)的最先進(jìn)的3D軌跡預(yù)測存在速度慢和錯誤預(yù)測等問題。本文引入了TrajectoryNAS，這是一種著重于利用點云數(shù)據(jù)進(jìn)行軌跡預(yù)測的開創(chuàng)性方法。通過利用神經(jīng)結(jié)構(gòu)搜索（NAS），TrajectoryNAS自動化軌跡預(yù)測模型的設(shè)計，以凝聚的方式包含目標(biāo)檢測、跟蹤和預(yù)測。這種方法不僅解決了這些任務(wù)之間復(fù)雜的相互依賴關(guān)系，還強(qiáng)調(diào)了軌跡建模中準(zhǔn)確性和效率的重要性。通過實證研究，TrajectoryNAS展現(xiàn)了其在提高自動駕駛系統(tǒng)性能方面的有效性，標(biāo)志著該領(lǐng)域取得了重大進(jìn)展。實驗結(jié)果表明，與其它軌跡預(yù)測方法相比，TrajectoryNAS在nuScenes數(shù)據(jù)集上的準(zhǔn)確性至少提高了4.8%，延遲至少降低了1.1倍。

主要貢獻(xiàn)

本文的貢獻(xiàn)總結(jié)如下：

1）本文提出了TrajectoryNAS，它是自動駕駛軌跡預(yù)測領(lǐng)域中的先驅(qū)工作。與先前工作不同，本文方法是首次以端到端的方式實現(xiàn)神經(jīng)架構(gòu)搜索（NAS），包含目標(biāo)檢測、跟蹤和預(yù)測。這種全面集成解決了子任務(wù)（例如點云處理、檢測和跟蹤）之間的相互依賴性所帶來的復(fù)雜挑戰(zhàn)；

2）本文利用了高效的小型數(shù)據(jù)集。為了滿足與神經(jīng)結(jié)構(gòu)搜索相關(guān)的計算要求，本文方法引入了高效的兩步過程。首先，本文采用一個小型數(shù)據(jù)集來加速最優(yōu)結(jié)構(gòu)的識別。隨后，將識別的結(jié)構(gòu)應(yīng)用于完整的數(shù)據(jù)集，以確?？蓴U(kuò)展性和準(zhǔn)確性。這種精簡的方法在處理大量數(shù)據(jù)集時特別有價值；

3）本文設(shè)計了開創(chuàng)性的多目標(biāo)能量函數(shù)：本項工作的一個關(guān)鍵創(chuàng)新點是引入一種新的多目標(biāo)能量函數(shù)。該能量函數(shù)考慮了目標(biāo)檢測、跟蹤、預(yù)測和時間約束。通過將這些不同的要素加入一個統(tǒng)一的框架中，本文方法超越了那些通常忽略這些目標(biāo)之間復(fù)雜關(guān)系的現(xiàn)有方法。新的能量函數(shù)增強(qiáng)了TrajectoryNAS的預(yù)測能力，提高了其在現(xiàn)實世界場景中的性能。

論文圖片和表格

總結(jié)

本文提出了TrajectoryNAS，這是一種自動模型設(shè)計方法，其顯著增強(qiáng)了自動駕駛的3D軌跡預(yù)測。通過在考慮關(guān)鍵性能指標(biāo)的同時對速度和準(zhǔn)確性進(jìn)行優(yōu)化，TrajectoryNAS在nuScenes數(shù)據(jù)集上的準(zhǔn)確性至少提高了4.8%，延遲至少降低了1.1倍，其優(yōu)于現(xiàn)有方法。