Robuste und Probabilistische Bewegungsvorhersage für Intelligente Infrastruktursysteme

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. 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.