通用高速公路场景下轨迹预测的运动学模型
机器人学
2021-04-01 v1
摘要
高速公路驾驶始终将高速行驶与与其他驾驶者密切交互的需求结合在一起。预测方法使自动驾驶车辆(AVs)能够预判驾驶者未来的轨迹并相应规划。用于预测的运动学方法传统上忽略其他驾驶者的存在,或仅针对有限场景集进行预测。数据驱动方法通过从大型数据集学习来填补这一空白,以预测通用场景中的轨迹。尽管它们实现了高精度,但也失去了运动学方法所享有的可解释性与模型验证工具。本通讯提出一种新颖的运动学模型来描述跟车与变道行为,并将其扩展以预测通用场景中的轨迹。在多种感知条件下的高速公路数据集上的实验表明,所提方法优于state-of-the-art方法。
引用
@article{arxiv.2103.16673,
title = {A Kinematic Model for Trajectory Prediction in General Highway Scenarios},
author = {Cyrus Anderson and Ram Vasudevan and Matthew Johnson-Roberson},
journal= {arXiv preprint arXiv:2103.16673},
year = {2021}
}
备注
8 pages, 4 figures, 1 table