用于隐式场景理解的可解释端到端驾驶模型
计算机视觉与模式识别
2023-08-03 v1 机器人学
摘要
驾驶场景理解是通过传感器数据获取全面的场景信息，并为下游任务提供依据，这对于自动驾驶车辆的安全必不可少。常见的做法是使用特定的感知任务，如目标检测和场景图生成。然而，这些任务的结果仅相当于从高维场景特征中采样得到的表征，不足以表示场景。此外，感知任务的目标与人类驾驶不一致，人类驾驶只关注可能影响自车轨迹的因素。因此，我们提出了一种端到端的可解释隐式驾驶场景理解（II-DSU）模型，在规划模块引导下提取隐式高维场景特征作为场景理解结果，并利用辅助感知任务进行可视化以验证场景理解的合理性。在 CARLA 基准上的实验结果表明，我们的方法达到了新的 SOTA，并能够获取体现更丰富驾驶相关场景信息的场景特征，从而使下游规划获得更优的性能。
引用
@article{arxiv.2308.01180,
title = {Interpretable End-to-End Driving Model for Implicit Scene Understanding},
author = {Yiyang Sun and Xiaonian Wang and Yangyang Zhang and Jiagui Tang and Xiaqiang Tang and Jing Yao},
journal= {arXiv preprint arXiv:2308.01180},
year = {2023}
}
备注
Accepted by 26th IEEE International Conference on Intelligent Transportation Systems (ITSC 2023)