面向自动驾驶的数据驱动预测架构及其在 Apollo 平台上的应用
机器人学
2020-06-15 v1 计算机视觉与模式识别
软件工程
摘要
自动驾驶车辆（ADV）已大规模上路。为安全高效运行，ADV 必须能够在复杂真实驾驶场景中预测未来状态并与道路实体交互。如何将训练良好的预测模型从一个地理围栏区域迁移到另一个区域，对于扩展 ADV 运营至关重要，且由于不同地理围栏运营区域内的地形、交通规则、实体分布、驾驶/步行模式可能存在很大差异，这一过程通常十分困难。本文介绍一种高度自动化的基于学习的预测模型流水线，已部署于百度 Apollo 自动驾驶平台，可支持不同预测学习子模块的数据标注、特征提取、模型训练/调优与部署。该流水线完全自动，无需任何人工干预，并在跨国家不同场景规模化部署时，在参数调优上显示出高达 400% 的效率提升。
引用
@article{arxiv.2006.06715,
title = {Data Driven Prediction Architecture for Autonomous Driving and its Application on Apollo Platform},
author = {Kecheng Xu and Xiangquan Xiao and Jinghao Miao and Qi Luo},
journal= {arXiv preprint arXiv:2006.06715},
year = {2020}
}
备注
Accepted by the 31st IEEE Intelligent Vehicles Symposium (2020)