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

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

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。

下拉加载更多