MTR

MTR

自动驾驶多模态运动预测的先进框架

MTR项目是一个创新的多模态运动预测框架,专为自动驾驶场景设计。它通过全局意图定位和局部运动细化的联合优化来进行运动预测,采用可学习的运动查询对处理不同的运动模式。在Waymo开放运动数据集的评测中,MTR在边缘和联合运动预测任务上均表现出色,位居排行榜首位。该框架以其简洁性、高效性和准确性为自动驾驶领域的多模态运动预测提供了一个有力的基准。

Motion Transformer自动驾驶多模态运动预测神经网络Waymo数据集Github开源项目

运动变换器(MTR):自动驾驶中多模态运动预测的强大基线

预览

这个仓库是NeurIPS 2022论文(口头报告)"Motion Transformer with Global Intention Localization and Local Movement Refinement"的官方实现。

作者:Shaoshuai Shi, Li Jiang, Dengxin Dai, Bernt Schiele

[MTR (arXiv)]    [MTR++ (arXiv)]

新闻

[2023-06] MTR++论文正式发布在arXiv:2306.17770上,支持多智能体运动预测,并在Waymo Open Dataset上取得最先进的性能。

[2023-05] MTR++赢得了2023年Waymo Open Dataset运动预测挑战赛的冠军,请查看排行榜这里

[2022-06] MTR赢得了2022年Waymo Open Dataset运动预测挑战赛的冠军,请查看官方帖子这里

摘要

预测交通参与者未来的多模态行为对于机器人汽车做出安全决策至关重要。现有工作探索直接预测未来轨迹,基于潜在特征,或利用密集的目标候选来识别智能体的目的地,前者收敛缓慢因为所有运动模式都源自同一特征,后者效率低下因为其性能高度依赖于目标候选的密度。在本文中,我们提出了Motion TRansformer (MTR)框架,将运动预测建模为全局意图定位和局部运动细化的联合优化。MTR不使用目标候选,而是采用少量可学习的运动查询对来融合空间意图先验。每个运动查询对负责一种特定的运动模式的轨迹预测和细化,这稳定了训练过程并促进了更好的多模态预测。实验表明,MTR在边际和联合运动预测挑战中都取得了最先进的性能,在Waymo Open Motion Dataset的排行榜上排名第一。

亮点

MTR代码库

  • 最先进的性能,代码结构清晰,易于扩展
  • 一个非常简单的上下文编码器,用于建模智能体/地图关系
  • 带有可学习查询的意图点的运动解码器
  • 使用高斯混合模型的多模态运动预测损失
  • 在Waymo Open Motion Dataset上的清晰数据处理和组织
  • 使用官方Waymo Motion评估API的本地评估工具

方法

  • 简单: 纯变换器的上下文编码器和运动解码器
  • 高效: 使用少量可学习的意图查询进行多模态未来预测
  • 准确: 在Waymo Motion Prediction排行榜上排名第一(最后更新:2023年2月)

预览

入门

主要结果

在Waymo Open Motion Dataset验证集上的性能

模型训练集minADEminFDE遗漏率mAP
MTR20%0.66971.37120.16680.3437
MTR100%0.60461.22510.13660.4164
MTR-e2e100%0.51601.04040.12340.3245

在Waymo Open Motion Dataset测试集上的性能

模型训练集minADEminFDE遗漏率mAP
MTR100%0.60501.22070.13510.4129
MTR-A (ens)100%0.56401.13440.11600.4492

引用

如果您在研究中发现这项工作有用,请考虑引用:

@article{shi2022motion,
  title={Motion transformer with global intention localization and local movement refinement},
  author={Shi, Shaoshuai and Jiang, Li and Dai, Dengxin and Schiele, Bernt},
  journal={Advances in Neural Information Processing Systems},
  year={2022}
}

@article{shi2023mtr,
  title={MTR++: Multi-Agent Motion Prediction with Symmetric Scene Modeling and Guided Intention Querying},
  author={Shi, Shaoshuai and Jiang, Li and Dai, Dengxin and Schiele, Bernt},
  journal={arXiv preprint arXiv:2306.17770},
  year={2023}
}

@article{shi2022mtra,
  title={MTR-A: 1st Place Solution for 2022 Waymo Open Dataset Challenge--Motion Prediction},
  author={Shi, Shaoshuai and Jiang, Li and Dai, Dengxin and Schiele, Bernt},
  journal={arXiv preprint arXiv:2209.10033},
  year={2022}
}

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

下拉加载更多