User: Guest  Login
If you experience problems opening the document, please try this link.
Original title:
Robust and Probabilistic Motion Prediction for Intelligent Infrastructure Systems
Translated title:
Robuste und Probabilistische Bewegungsvorhersage für Intelligente Infrastruktursysteme
Author:
Schöller, Christoph
Year:
2022
Document type:
Dissertation
Faculty/School:
TUM School of Computation, Information and Technology
Advisor:
Knoll, Alois Christian (Prof. Dr. habil.)
Referee:
Knoll, Alois Christian (Prof. Dr. habil.); Gilitschenski, Igor (Prof. Dr.)
Language:
en
Subject group:
DAT Datenverarbeitung, Informatik
TUM classification:
DAT 260; DAT 815
Abstract:
The safety of autonomous vehicles relies on accurate motion prediction. However, even the latest neural prediction models suffer from limited generalization and poor probabilistic modeling. Furthermore, even the best model can only function with a precise state estimate. In this work, we analyze what makes prediction models robust, propose a novel prediction architecture, and show how an intelligent infrastructure system can be used to obtain a reliable traffic perception for making predictions.
Translated abstract:
Autonomes Fahren wird nur durch eine präzise Bewegungsvorhersage sicher. Die Generalisierung und probabilistische Ausdrucksfähigkeit moderner Prädiktionsmodelle ist jedoch begrenzt. Zudem hängt ihre Genauigkeit stark von der Perzeptionsleistung des Systems ab. In dieser Arbeit untersuchen wir, was eine verlässliche Prädiktion ausmacht, entwickeln ein neues Prädiktionsmodell, und zeigen, wie intelligente Infrastruktursysteme genutzt werden können, um eine akkurate Perzeption zu erzeugen.
WWW:
https://mediatum.ub.tum.de/?id=1655142
Date of submission:
19.05.2022
Oral examination:
29.11.2022
File size:
27138942 bytes
Pages:
132
Urn (citeable URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20221129-1655142-1-5
Last change:
30.12.2022
 BibTeX