用于自动驾驶的基于光流蒸馏的端到端交互式预测与规划
机器人学
2021-04-20 v1 计算机视觉与模式识别
摘要
随着深度学习技术的最新进展，数据驱动的自动驾驶预测与规划方法取得了非凡性能。然而，大多数这些方法遵循非交互式预测与规划范式，假设车辆行为不影响其他车辆。基于这种非交互式理念的方法在稀疏交通场景中通常表现尚可，但在密集交通场景中容易失效。因此，本文提出一种用于自动驾驶的端到端交互式神经运动规划器（INMP）。给定一组过去的环视图像和高清地图，我们的INMP首先在鸟瞰图空间中生成特征图，随后对其进行处理以检测其他智能体并联合执行交互式预测与规划。此外，我们采用光流蒸馏范式，可在保持实时推理速度的同时有效提升网络性能。在nuScenes数据集和闭环Carla仿真环境中的大量实验证明了我们的INMP在检测、预测和规划任务上的有效性与高效性。我们的项目页面位于 sites.google.com/view/inmp-ofd。
引用
@article{arxiv.2104.08862,
title = {End-to-End Interactive Prediction and Planning with Optical Flow Distillation for Autonomous Driving},
author = {Hengli Wang and Peide Cai and Rui Fan and Yuxiang Sun and Ming Liu},
journal= {arXiv preprint arXiv:2104.08862},
year = {2021}
}
备注
10 pages, 5 figures and 4 tables. This paper is accepted by CVPRW 2021