面向自动驾驶决策的交互感知运动预测模型学习
机器人学
2023-02-09 v1
摘要
预测其他道路使用者的行为对于自动驾驶车辆（AVs）的安全与智能决策至关重要。然而，大多数运动预测模型忽略了自动驾驶车辆自身动作的影响，规划模块不得不将其他智能体视为不可改变的移动障碍物。为解决该问题，本文提出一种交互感知运动预测模型，能够根据自车智能体的未来规划（即其他智能体对自车动作的反应）预测其未来轨迹。具体而言，我们采用 Transformers 有效编码驾驶场景，并在解码预测轨迹时融入自动驾驶车辆的规划。为训练模型准确预测其他智能体的反应，我们开发了一种在线学习框架，其中自车智能体探索环境并收集其他智能体对自身的反应。我们在三种高度交互的模拟驾驶场景中验证了该决策与学习框架。结果表明，我们的决策方法在数据效率与性能方面显著优于强化学习方法。我们还发现，使用交互感知模型比非交互感知模型性能更优，且探索过程有助于提高测试中的成功率。
引用
@article{arxiv.2302.03939,
title = {Learning Interaction-aware Motion Prediction Model for Decision-making in Autonomous Driving},
author = {Zhiyu Huang and Haochen Liu and Jingda Wu and Wenhui Huang and Chen Lv},
journal= {arXiv preprint arXiv:2302.03939},
year = {2023}
}