无 HD 图生成式学习用于自动驾驶
机器人学
2024-06-03 v3 计算机视觉与模式识别
摘要
深度学习技术近年来广泛应用于自动驾驶软件堆栈，主要聚焦于感知模块，部分工作也扩展到预测模块。然而，下游的规划和控制模块仍依赖庞大的手工规则，主要采用二次规划或模型预测控制等优化方法。这导致自动驾驶系统在该环节存在性能瓶颈，因而在实际应用中无法解决突发情况。我们提出一种深度学习方法，将预测、决策和规划模块整合在一起，旨在克服基于规则的方法在实际应用中的不足，尤其是针对城市场景。我们提出的 DNN 模型仅使用 10 小时的人类驾驶数据进行训练，支持目前市场上可用的全部量产 ADAS 功能。该方法部署在一辆记越测试车上，无需修改其出厂就绪的传感器套件和计算平台。本文证明了该方法的可行性、可用性及商业潜力。
引用
@article{arxiv.2405.00515,
title = {GAD-Generative Learning for HD Map-Free Autonomous Driving},
author = {Weijian Sun and Yanbo Jia and Qi Zeng and Zihao Liu and Jiang Liao and Yue Li and Xianfeng Li},
journal= {arXiv preprint arXiv:2405.00515},
year = {2024}
}