[readpaper] A Survey on Trajectory-Prediction Methods for Autonomous Driving

摘要

        为了在动态环境中安全驾驶，自动驾驶汽车应该能够预测附近交通参与者的未来状态，特别是周围车辆，类似于人类驾驶员预测驾驶的能力。这就是为什么研究人员致力于轨迹预测领域并提出不同的方法。本文是对过去二十年自动驾驶提出的轨迹预测方法的全面和比较回顾。它从问题定义和算法分类开始。然后，详细介绍了基于物理、经典机器学习、深度学习和强化学习的流行方法。最后，本文评估了每种方法的性能，并概述了指导读者的潜在研究方向。

        索引术语： 自动驾驶，轨迹预测，机器学习，深度学习，强化学习。

引言

        驾驶越来越受到学术界和工业界的关注[1]，因为它有望解决与安全、拥堵、节能等相关的许多长期交通挑战[2]，[3]。近年来，我们见证了自动驾驶汽车 (AV) 的感知、规划和控制系统的快速发展。然而，只有当自动驾驶的安全性得到验证时，自动驾驶汽车的质量生产才会变得真实。为了进一步提高安全性，最关键的技术之一是自动驾驶汽车应该能够实时预测周围环境的未来状态，如人类驾驶员。

        当人类驾驶车辆时，他/她通常会观察周围的交通参与者，并在启动新