MTP-GO: Graph-Based Probabilistic Multi-Agent Trajectory Prediction With Neural ODEs

Westny, Theodor,1993-Linköping University,Linköpings universitet,Fordonssystem,Tekniska fakulteten (författare)

MTP-GO : Graph-Based Probabilistic Multi-Agent Trajectory Prediction With Neural ODEs

Fundng agencies: the Strategic Research Area at Linköping-Lund in Information Technology (ELLIIT), in part by the Swedish Research Council through the Project Handling Uncertainty in Machine Learning Systems under Grant 2020-04122, and in part by the Knutand Alice Wallenberg Foundation through Wallenberg AI, Autonomous Systemsand Software Program (WASP)
Enabling resilient autonomous motion planning requires robust predictions of surrounding road users’ future behavior. In response to this need and the associated challenges, we introduce our model titled MTP-GO. The model encodes the scene using temporal graph neural networks to produce the inputs to an underlying motion model. The motion model is implemented using neural ordinary differential equations where the state-transition functions are learned with the rest of the model. Multimodal probabilistic predictions are obtained by combining the concept of mixture density networks and Kalman filtering. The results illustrate the predictive capabilities of the proposed model across various data sets, outperforming several state-of-the-art methods on a number of metrics.

Oskarsson, Joel,1996-Linköping University,Linköpings universitet,Statistik och maskininlärning,Tekniska fakulteten(Swepub:liu)joeos82 (författare)
Olofsson, BjörnLinköping University,Lund University,Lunds universitet,Linköpings universitet,Fordonssystem,Tekniska fakulteten,Department of Automatic Control, Lund University, Sweden,Institutionen för reglerteknik,Institutioner vid LTH,Lunds Tekniska Högskola,LTH profilområde: AI och digitalisering,LTH profilområden,LTH profilområde: Teknik för hälsa,LU profilområde: Naturlig och artificiell kognition,Lunds universitets profilområden,Departments at LTH,Faculty of Engineering, LTH,LTH Profile Area: AI and Digitalization,LTH Profile areas,Faculty of Engineering, LTH,LTH Profile Area: Engineering Health,Faculty of Engineering, LTH,LU Profile Area: Natural and Artificial Cognition,Lund University Profile areas(Swepub:lu)cont-boo (författare)
Frisk, Erik,1971-Linköping University,Linköpings universitet,Fordonssystem,Tekniska fakulteten(Swepub:liu)erifr93 (författare)
Linköpings universitetFordonssystem (creator_code:org_t)

Ingår i:IEEE Transactions on Intelligent Vehicles: IEEE8:9, s. 4223-42362379-88582379-8904

Av författaren/redakt...: Westny, Theodor, ...; Oskarsson, Joel, ...; Olofsson, Björn; Frisk, Erik, 197 ...

Om ämnet

NATURVETENSKAP: NATURVETENSKAP; och Data och informa ...; och Datorseende och ...

TEKNIK OCH TEKNOLOGIER: TEKNIK OCH TEKNO ...; och Elektroteknik oc ...; och Reglerteknik

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.