CMTS：用于生成安全关键驾驶场景的条件式多轨迹合成器
机器学习
2019-10-04 v2 计算机视觉与模式识别
机器人学
图像与视频处理
机器学习
摘要
自然驾驶轨迹对自动驾驶算法的性能至关重要。然而，大多数数据收集于安全场景中，导致当前已开发算法易于处理的轨迹大量重复。在安全性考量下，在现成数据集中极少出现的近乎碰撞场景中对算法进行测试是评估的重要一环。为此，我们提出一种基于变分贝叶斯方法的近乎碰撞数据合成框架，并将其称为条件式多轨迹合成器（Conditional Multiple Trajectory Synthesizer, CMTS）。我们利用以道路地图为条件的生成模型，通过在潜空间中表征安全驾驶与碰撞驾驶数据的分布，来桥接二者。通过从近乎碰撞分布中采样，我们可以合成对理解交通场景至关重要、但在原始数据集与碰撞数据集中均未出现的安全关键数据。实验结果表明，增强后的数据集覆盖了更多种类的驾驶场景，尤其是近乎碰撞场景，有助于提升轨迹预测精度及处理危险驾驶场景的能力。
引用
@article{arxiv.1910.00099,
title = {CMTS: Conditional Multiple Trajectory Synthesizer for Generating Safety-critical Driving Scenarios},
author = {Wenhao Ding and Mengdi Xu and Ding Zhao},
journal= {arXiv preprint arXiv:1910.00099},
year = {2019}
}
备注
Submitted to ICRA 2020, 8 pages, 7 figures