增强式自动驾驶安全性：集成潜在状态扩散模型用于端到端导航
人工智能
2024-07-18 v4 计算机视觉与模式识别
机器人学
摘要
随着自动驾驶技术的发展，确保在运动规划和导航期间的安全性变得越来越重要。然而，大多数端到端规划方法都存在安全性不足的问题。本研究针对自动驾驶控制优化问题中的安全性问题进行了解决，该问题被建模为受约束马尔可夫决策过程（CMDP）。我们提出了一种新颖的、基于模型的策略优化方法，利用基于条件价值-at-Risk 的软演员-评论家（CVaR-based Soft Actor Critic）有效管理复杂高维状态空间中的约束。本方法引入了最坏情况演员，以引导安全探索，确保在不可预测情景下严格遵守安全要求。策略优化采用增广拉格朗日方法，并利用潜在扩散模型预测和模拟未来轨迹。这种双重方法不仅有助于安全地导航环境，还通过集成分布建模来考虑环境不确定性，从而细化策略性能。在模拟和真实环境中的经验评估表明，我们的方法在安全性、效率和决策能力方面均优于现有方法。
引用
@article{arxiv.2407.06317,
title = {Enhanced Safety in Autonomous Driving: Integrating Latent State Diffusion Model for End-to-End Navigation},
author = {Detian Chu and Linyuan Bai and Jianuo Huang and Zhenlong Fang and Peng Zhang and Wei Kang and Haifeng Lin},
journal= {arXiv preprint arXiv:2407.06317},
year = {2024}
}