用于统一可控轨迹生成的自回归元动作
机器人学
2025-05-30 v1 计算机视觉与模式识别
摘要
由高级语义决策（称为元动作）引导的可控轨迹生成对自动驾驶系统至关重要。现有框架的一个显著局限在于，其依赖于在固定未来时间区间上分配的不变元动作，导致与实际行为轨迹产生时间错配。这种错配导致预设元动作与生成轨迹之间产生无关关联，破坏了任务连贯性并限制了模型性能。为应对这一挑战，我们引入了自回归元动作，这是一种集成到自回归轨迹生成框架中的方法，为元动作条件下的轨迹预测提供了统一且精确的定义。具体而言，我们将传统的长区间元动作分解为帧级元动作，实现了自回归元动作预测与元动作条件轨迹生成之间的序列交互。该分解确保了每个轨迹片段与其对应元动作之间的严格对齐，在整个轨迹跨度上实现了一致且统一的任务表述，并显著降低了复杂度。此外，我们提出了一种分阶段预训练过程，将基础运动动力学的学习与高级决策控制的集成相解耦，从而提供了灵活性、稳定性和模块化。实验结果验证了我们框架的有效性，表明其对动态决策场景具有更好的轨迹自适应性和响应能力。我们提供了视频文档和数据集，可在 https://arma-traj.github.io/ 获取。
引用
@article{arxiv.2505.23612,
title = {Autoregressive Meta-Actions for Unified Controllable Trajectory Generation},
author = {Jianbo Zhao and Taiyu Ban and Xiyang Wang and Qibin Zhou and Hangning Zhou and Zhihao Liu and Mu Yang and Lei Liu and Bin Li},
journal= {arXiv preprint arXiv:2505.23612},
year = {2025}
}