一种基于认知的自动驾驶轨迹预测方法
人工智能
2024-03-01 v1 机器人学
摘要
在自动驾驶汽车（AV）技术中，准确预测周围车辆运动的能力对于确保安全性和操作效率至关重要。融入人类决策洞察使AV能够更有效地预测其他车辆的潜在行为，在动态环境中显著提高预测准确性和响应能力。本文介绍了类人轨迹预测（HLTP）模型，该模型采用受人类认知过程启发的师生知识蒸馏框架。HLTP模型包含一个复杂的师生知识蒸馏框架。“教师”模型配备自适应视觉扇区，模拟人脑的视觉处理，特别是枕叶和颞叶的功能。“学生”模型专注于实时交互和决策，类似于前额叶和顶叶皮质的功能。这种方法允许动态适应变化的驾驶场景，捕获必要的感知线索以进行准确预测。使用澳门连接自动驾驶（MoCAD）数据集以及NGSIM和HighD基准进行评估，HLTP在现有模型中表现出优越的性能，特别是在数据不完整的挑战性环境中。项目页面可在Github上获取。
引用
@article{arxiv.2402.19251,
title = {A Cognitive-Based Trajectory Prediction Approach for Autonomous Driving},
author = {Haicheng Liao and Yongkang Li and Zhenning Li and Chengyue Wang and Zhiyong Cui and Shengbo Eben Li and Chengzhong Xu},
journal= {arXiv preprint arXiv:2402.19251},
year = {2024}
}