表现自然点！将自然性投影扩展到多模态行为场景

在公共空间中运行的自主智能体必须考虑其行为如何影响周围的人类，即使在没有直接交互的情况下也是如此。为此，行为可预测且看起来自然通常是有益的。现有的用于此目的的方法使用人类行为者意图建模或模仿学习技术，但这些方法很少能捕捉到人类行为的所有可能动机，并且/或者需要大量的数据。我们的工作扩展了一种使用显式凸集表示来建模单模态自然行为的技术，通过使用多个凸集来解释多模态行为。这种更灵活的表示形式为数据驱动的自然行为建模提供了更高的保真度，这些行为出现在现实世界场景中，其中人类行为在某种意义上是离散的，例如，在环岛处是否让行。借助这种新的集合表示，我们开发了一种基于优化的滤波器，将任意轨迹投影到该集合中，使它们在场景中的人类看来是自然的，同时满足车辆动力学、执行器限制等约束。我们在来自 inD（交叉口）和 rounD（环岛）数据集的真实世界人类驾驶数据上展示了我们的方法。