面向自主导航的智能体优先级排序

在自主导航中，规划系统通过对其他智能体进行推理来规划一条安全且合理的轨迹。在规划开始之前，通常使用计算密集型的模型对其他智能体进行识别、跟踪、运动估计与预测处理。在有限的计算资源下，且需要实时处理大量智能体时，按照各智能体对决策过程的影响对其进行高效排序变得十分重要。这使得系统能够将更多时间用于处理最重要的智能体。我们提出了一种对自主车辆（AV）周围智能体进行实时排序的系统。我们通过在实际记录数据上运行仿真中的规划器来自动生成排序数据集，在此过程中我们可以对全部智能体运行更精确且代价更高的模型。各种规划器动作的成因被记录下来，并用于分配真实重要性分数。所生成的数据集可用于学习排序模型。具体而言，我们展示了通过卷积神经网络将学习到的特征与旨在捕获领域知识的工程特征相结合的效用。我们通过实验展示了多种设计选择的益处。在真实自主车辆上测试时，我们的系统展现出了理解复杂驾驶情境的能力。