Chinese contenteCoMAE:面向行人/骑行者运动预测的证据式掩码预训练方法
一篇解决自动驾驶里行人意图预测不确定性的论文,eCoMAE 在 IMPTC 上 OOD 准确率从 0.7971 提到 0.8068,四个轨迹数据集 MSE 全部最优,做感知预测的可以看看。
一篇解决自动驾驶里行人意图预测不确定性的论文,eCoMAE 在 IMPTC 上 OOD 准确率从 0.7971 提到 0.8068,四个轨迹数据集 MSE 全部最优,做感知预测的可以看看。
一篇自动驾驶方向的论文,把 X-TRACK 的不确定性从运动空间一路传播到轨迹空间,还用 conformal prediction 做校准,highD 数据集上精度也涨了。
这篇论文提出PRISA,用路边LiDAR自动学习轨迹预测,无需人工标注就能在边缘实时评估碰撞风险,延迟仅194毫秒,已在真实路口跑通。
这篇论文用逆运动学原理解决了Driving VLA忽视视觉特征的顽疾,做自动驾驶轨迹规划的团队值得关注——0.5B模型就能达到7B-8B的效果,意味着更低的部署成本和更好的视觉鲁棒性。
做运动轨迹预测或动态系统建模的团队,这篇论文对比了主流模型的实际表现,混合LSTM方案在效率和精度上都有亮点,值得参考。