为自动驾驶车辆学习晶格规划器控制集
机器人学
2019-04-26 v2 人工智能
摘要
本文提出一种通过从代表性车辆路径数据集中学习来计算适用于特定任务的稀疏晶格规划器控制集的方法。为此，我们使用一种类似于 Fr\'echet 距离的评分度量，并提出一种根据该评分度量评估给定控制集的算法。然后从稠密控制集中依据目标函数选取控制动作，该目标函数奖励与数据集匹配的改进，同时鼓励稀疏性。该方法在涉及真实与合成数据集的若干实验中得到评估，结果表明与先前最先进的晶格控制集计算方法相比，它生成的更小控制集在所需任务中保持了高度机动性。与使用最先进计算控制集相比，使用所学控制集的规划时间加速最高达 4.31 倍。此外，我们表明所学控制集在路径曲率方面能更好地捕捉数据集的驾驶风格。
引用
@article{arxiv.1903.02044,
title = {Learning a Lattice Planner Control Set for Autonomous Vehicles},
author = {Ryan De Iaco and Stephen L. Smith and Krzysztof Czarnecki},
journal= {arXiv preprint arXiv:1903.02044},
year = {2019}
}
备注
Accepted to the 2019 IEEE Intelligent Vehicles Symposium