基于注意力机制和GAN的车辆轨迹预测
王益
重庆交通大学信息科学与工程学院 重庆 400074
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％.
关键词：自动驾驶轨迹预测生成对抗网络注意力机制长短期记忆网络
论文发表日期：2021-12-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：3( 34-36 )