面向自动驾驶安全运动规划的交互感知轨迹预测：Transformer-迁移学习方法
机器人学
2024-11-05 v1
摘要
安全高效地对自动驾驶车辆（AV）进行运动规划的一个关键方面是处理周围人工驾驶车辆（HDV）的复杂且不确定的行为。尽管对驾驶员行为预测进行了大量研究，但现有方法通常忽略 AV 与 HDV 之间的交互，假设 HDV 轨迹不受 AV 动作的影响。为填补这一空白，我们提出一种基于 Transformer-迁移学习的交互感知轨迹预测器，用于自动驾驶的安全运动规划，聚焦于由一辆 AV 和一辆 HDV 组成的车对车（V2V）交互场景。具体而言，我们利用广泛可用的 HDV 轨迹数据集构建基于 Transformer 的交互感知轨迹预测器，并利用少量 AV-HDV 交互数据进一步迁移所学预测器。然后，为了更好地将所提出的轨迹预测器集成到 AV 的运动规划模块中，我们引入一种不确定性量化方法来表征预测器的误差，并将其整合到路径规划过程中。我们的实验结果证明了显式考虑交互和处理不确定性的价值。
引用
@article{arxiv.2411.01475,
title = {Interaction-Aware Trajectory Prediction for Safe Motion Planning in Autonomous Driving: A Transformer-Transfer Learning Approach},
author = {Jinhao Liang and Chaopeng Tan and Longhao Yan and Jingyuan Zhou and Guodong Yin and Kaidi Yang},
journal= {arXiv preprint arXiv:2411.01475},
year = {2024}
}