GenAD : Comment parvenir à une prévision et une planification efficaces des mouvements de conduite autonome ?

Le projet GenAD utilise de manière innovante des auto-encodeurs variationnels pour apprendre les distributions de trajectoires futures dans l'espace latent structurel pour la modélisation préalable de trajectoire. De plus, le projet utilise des modèles temporels tels que des unités récurrentes fermées pour capturer les mouvements des agents et eux-mêmes dans l'espace latent, générant ainsi des trajectoires futures plus efficaces. Cette approche prospective permet à GenAD d'échantillonner les distributions à partir d'un espace latent structuré conditionné pendant l'inférence et d'utiliser le modèle temporel appris pour générer le futur, permettant ainsi l'exécution simultanée de la prédiction et de la planification du mouvement.