面向自动驾驶的多智能体轨迹异常检测
机器人学
2021-10-29 v2 机器学习
多智能体系统
摘要
人类驾驶员能够快速识别异常驾驶情况以避免事故。与人类类似，自动驾驶车辆也应具备异常检测能力。本文中，我们提出了一种用于学习正常驾驶行为的时空图自编码器。我们的创新之处在于能够联合学习动态数量智能体的多条轨迹。为执行异常检测，我们首先估计学习到的轨迹特征表示的密度函数，然后在低密度区域检测异常。由于缺乏用于自动驾驶异常检测的多智能体轨迹数据集，我们利用驾驶模拟器构建了一个包含正常与异常操作的数据集。评估结果表明，我们的方法能够学习不同智能体之间的关系，与相关工作相比，取得了有前景的结果。代码、模拟环境及数据集已公开于 https://github.com/againerju/maad_highway。
引用
@article{arxiv.2110.07922,
title = {Anomaly Detection in Multi-Agent Trajectories for Automated Driving},
author = {Julian Wiederer and Arij Bouazizi and Marco Troina and Ulrich Kressel and Vasileios Belagiannis},
journal= {arXiv preprint arXiv:2110.07922},
year = {2021}
}
备注
15 pages incl. supplementary material, 8 figures, 4 tables (accepted by CoRL 2021)