利用 POP 提升自动驾驶安全性：一种精确的部分观测轨迹预测框架
机器人学
2024-04-08 v2
摘要
准确的轨迹预测对于安全高效的自动驾驶至关重要，但处理部分观测带来了重大挑战。为此，我们提出了一种用于拥堵城市道路场景的新型轨迹预测框架，称为部分观测预测（POP）。该框架包含两个关键阶段：自监督学习（SSL）和特征蒸馏。POP 首先采用 SSL 帮助模型学习重建历史表征，然后利用特征蒸馏作为微调任务，将已在完整观测上预训练的教师模型的知识迁移到仅具少量观测的学生模型。POP 在开环实验中取得了与顶尖方法相当的结果，并在包括安全性指标在内的闭环仿真中优于基线方法。定性结果展示了 POP 在提供合理且安全的轨迹预测方面的优越性。
引用
@article{arxiv.2309.15685,
title = {Improving Autonomous Driving Safety with POP: A Framework for Accurate Partially Observed Trajectory Predictions},
author = {Sheng Wang and Yingbing Chen and Jie Cheng and Xiaodong Mei and Ren Xin and Yongkang Song and Ming Liu},
journal= {arXiv preprint arXiv:2309.15685},
year = {2024}
}