Beelines：用于自动驾驶安全与舒适的运动预测指标
机器人学
2021-04-20 v2 人工智能
摘要
常用的运动预测指标与自动驾驶车辆的系统级性能相关性不佳。最常见的指标是平均位移误差 (ADE) 与终点位移误差 (FDE)，它们忽略了许多特征，使之成为糟糕的自动驾驶性能指示器。由于高保真仿真与场地测试可能耗费大量资源，使用与全系统行为更相关的预测指标可实现更快速的迭代周期。在本文中，我们提供了一个高度特定于自动驾驶的预测评估概念框架。我们提出两个互补的指标，量化运动预测对安全（与召回相关）与舒适（与精度相关）的影响。使用仿真器，我们证明了我们的安全指标在识别不安全事件方面比位移误差具有显著更好的信噪比。
引用
@article{arxiv.2011.00393,
title = {Beelines: Motion Prediction Metrics for Self-Driving Safety and Comfort},
author = {Skanda Shridhar and Yuhang Ma and Tara Stentz and Zhengdi Shen and Galen Clark Haynes and Neil Traft},
journal= {arXiv preprint arXiv:2011.00393},
year = {2021}
}
备注
Accepted at 2021 IEEE International Conference on Robotics and Automation (ICRA 2021)