多智能体环境中的实例感知预测式导航
机器人学
2021-01-18 v1 计算机视觉与模式识别
摘要
在这项工作中,我们旨在动态多智能体环境中实现驾驶策略的高效端到端学习。在物体层面预测和预判未来事件对于做出明智的驾驶决策至关重要。我们提出一种实例感知预测控制(IPC)方法,其预测智能体之间的交互以及未来的场景结构。我们采用一种新颖的多实例事件预测模块,在以自我车辆所选动作序列为条件的自我中心视角下,估计智能体之间可能的交互。为决定每一步的动作,我们基于预测模块输出,通过反复采样可能的动作序列,寻找能够导向安全未来状态的动作序列。我们设计了一种顺序动作采样策略,以更好地利用场景级和实例级上的预测状态。我们的方法在具有挑战性的 CARLA 多智能体驾驶仿真环境中,无需专家示范即确立了新的 SOTA,并具有更好的可解释性与采样效率。
引用
@article{arxiv.2101.05893,
title = {Instance-Aware Predictive Navigation in Multi-Agent Environments},
author = {Jinkun Cao and Xin Wang and Trevor Darrell and Fisher Yu},
journal= {arXiv preprint arXiv:2101.05893},
year = {2021}
}