GenAD: Wie erreicht man eine effiziente Vorhersage und Planung autonomer Fahrbewegungen?

Das GenAD-Projekt nutzt auf innovative Weise Variations-Autoencoder, um zukünftige Trajektorienverteilungen im strukturellen latenten Raum für die Trajektorien-Vormodellierung zu lernen. Darüber hinaus nutzt das Projekt auch zeitliche Modelle wie Gated Recurrent Units, um Agenten- und Eigenbewegungen im latenten Raum zu erfassen und so effizientere zukünftige Flugbahnen zu generieren. Dieser zukunftsweisende Ansatz ermöglicht es GenAD, während der Inferenz Verteilungen aus einem konditionierten, strukturierten latenten Raum abzutasten und das erlernte zeitliche Modell zu verwenden, um die Zukunft zu generieren, was die gleichzeitige Ausführung von Bewegungsvorhersage und -planung ermöglicht.