Flash:基于贝叶斯逆规划与习得运动剖面的自动驾驶快速轻量运动预测
机器人学
2022-08-16 v3
摘要
交通场景中道路使用者的运动预测对于必须在复杂动态环境中做出安全且鲁棒决策的自动驾驶系统至关重要。我们提出一种新颖的自动驾驶运动预测系统。我们的系统基于贝叶斯逆规划框架,其高效编排了基于地图的目标提取、基于经典控制的轨迹生成器,以及专门从事运动剖面预测的轻量神经网络混合专家集合。与许多替代方法不同,这种模块化有助于隔离性能因素并更好地解释结果,且不影响性能。该系统解决了多个关注方面,即多模态、运动剖面不确定性与轨迹物理可行性。我们报告了在流行高速公路数据集 NGSIM 上的若干实验,展示了在轨迹误差方面的最先进性能。我们还对系统各组件进行了详细分析,并基于行为(如换道 versus 跟车)对数据分层实验,以洞察该领域的挑战。最后,我们给出定性分析以展示我们方法的其他益处,例如解释输出的能力。
引用
@article{arxiv.2203.08251,
title = {Flash: Fast and Light Motion Prediction for Autonomous Driving with Bayesian Inverse Planning and Learned Motion Profiles},
author = {Morris Antonello and Mihai Dobre and Stefano V. Albrecht and John Redford and Subramanian Ramamoorthy},
journal= {arXiv preprint arXiv:2203.08251},
year = {2022}
}
备注
IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2022. 8 pages