一种基于不确定性感知的持续学习轨迹预测系统

    公开(公告)号:CN117634587A

    公开(公告)日:2024-03-01

    申请号:CN202311611292.8

    申请日:2023-11-29

    Abstract: 本发明公开了一种基于不确定性感知的持续学习轨迹预测系统,包括基模型,用于进行轨迹预测任务;不确定性感知记忆模块,采用将基模型转变为贝叶斯网络,计算轨迹样本的不确定度,计算完每个轨迹样本的不确定度后进行排序,将不确定度最高和最低的轨迹样本存储在记忆内存中作为条件样本;条件生成记忆回放模块,将当前任务的轨迹样本和条件样本编码处理后通过多头注意力模块得到注意力输出,再通过条件变分编码器进行条件变分推理生成用于重放的轨迹记忆样本。本发明避免了排练方法大量工作内存需求以及伪排练生成数据不真实且不具有鉴别性的问题,有效减少了持续学习灾难性遗忘问题,提高了自动驾驶轨迹预测系统的鲁棒性和可靠性。

    基于自定中心星状图和注意力机制预测行人轨迹的方法

    公开(公告)号:CN112634328B

    公开(公告)日:2022-11-08

    申请号:CN202011551018.2

    申请日:2020-12-24

    Abstract: 本发明公开了一种基于自定中心星状图和注意力机制预测行人轨迹的方法,首先,目标行人及其邻近行人的历史轨迹分别由时间和空间编码器进行编码;然后将隐藏状态输入到注意力机制中,以模拟目标行人的注意力;最后,注意力权重的加和通过自定中心星状图解码器传递,一次输出一个预测位置;同时,相邻的隐藏状态将在星状图中连续解码,从而连续计算目标行人每个未来时刻的注意力。本发明利用自定中心星状图和多头注意力机制,并结合到时空编码信息中,很好地解决了现有技术预测行人轨迹精确度低及需要花费较多计算能力的问题。

    基于自定中心星状图和注意力机制预测行人轨迹的方法

    公开(公告)号:CN112634328A

    公开(公告)日:2021-04-09

    申请号:CN202011551018.2

    申请日:2020-12-24

    Abstract: 本发明公开了一种基于自定中心星状图和注意力机制预测行人轨迹的方法,首先,目标行人及其邻近行人的历史轨迹分别由时间和空间编码器进行编码;然后将隐藏状态输入到注意力机制中,以模拟目标行人的注意力;最后,注意力权重的加和通过自定中心星状图解码器传递,一次输出一个预测位置;同时,相邻的隐藏状态将在星状图中连续解码,从而连续计算目标行人每个未来时刻的注意力。本发明利用自定中心星状图和多头注意力机制,并结合到时空编码信息中,很好地解决了现有技术预测行人轨迹精确度低及需要花费较多计算能力的问题。

Patent Agency Ranking