COOPERNAUT：面向网联车辆的端到端协同感知驾驶模型
计算机视觉与模式识别
2022-11-21 v1 机器人学
摘要
近年来，自动驾驶车辆的光学传感器与学习算法取得了显著进展。尽管如此，当今自动驾驶车辆的可靠性受限于视距感知能力的不足，以及数据驱动方法在处理极端情况时的脆弱性。随着电信技术的最新发展，基于车对车通信的协同感知已成为在危险或紧急情境中增强自动驾驶的一种有前景的范式。我们提出 COOPERNAUT，一种利用跨车辆感知进行基于视觉的协同驾驶的端到端学习模型。我们的模型将 LiDAR 信息编码为紧凑的基于点的表示，可通过真实无线信道作为消息在车辆间传输。为评估我们的模型，我们开发了 AutoCastSim，一个带有示例易事故场景的、网络增强的驾驶仿真框架。我们在 AutoCastSim 上的实验表明，在这些具有挑战性的驾驶情境中，我们的协同感知驾驶模型相较自我中心驾驶模型在平均成功率上提升 40%，且带宽需求比先前工作 V2VNet 小 5 倍。COOPERNAUT 与 AUTOCASTSIM 可在 https://ut-austin-rpl.github.io/Coopernaut/ 获取。
引用
@article{arxiv.2205.02222,
title = {COOPERNAUT: End-to-End Driving with Cooperative Perception for Networked Vehicles},
author = {Jiaxun Cui and Hang Qiu and Dian Chen and Peter Stone and Yuke Zhu},
journal= {arXiv preprint arXiv:2205.02222},
year = {2022}
}