面向部署的车道变更意图预测：基于脑启发式脉冲神经网络
机器人学
2025-05-09 v4
摘要
准确且实时地预测周围车辆的车道变更意图是部署安全高效自动驾驶系统在开放世界场景中面临的关键挑战。现有高性能方法由于计算成本高、训练时间长和内存需求大，难以部署。为此，本文提出一种基于脑启发式脉冲神经网络（SNN）的高效车道变更意图预测方法。利用SNN的事件驱动特性，本方法能够更有效地对车辆状态进行编码。在HighD和NGSIM数据集上的对比实验表明，我们的方法显著提高了训练效率，降低了部署成本，同时保持了相当的预测精度。特别地，与基线方法相比，本方法将训练时间缩短75%，内存使用降低99.9%。这些结果验证了该方法在车道变更预测中的高效性和可靠性，凸显了其在安全高效自动驾驶系统中的潜力，同时在部署方面具有显著优势，包括缩短训练时间、降低内存使用和加快推断速度。
引用
@article{arxiv.2502.08659,
title = {Deployment-friendly Lane-changing Intention Prediction Powered by Brain-inspired Spiking Neural Networks},
author = {Shuqi Shen and Junjie Yang and Hui Zhong and Hongliang Lu and Xinhu Zheng and Hai Yang},
journal= {arXiv preprint arXiv:2502.08659},
year = {2025}
}