从驾驶数据学习分割与表示运动基元及其在运动规划中的应用
机器人学
2018-12-18 v1
摘要
开发能够执行类人动作的智能车辆，需要能从大量自然驾驶数据中学习基本驾驶技能的能力。若能将复杂驾驶任务分解为代表驾驶技能基本构成的运动基元，算法将变得高效。因此，本文旨在将无标签轨迹数据分割为运动基元库。通过应用基于迭代期望最大化算法的概率推断，我们的方法在分割所采集轨迹的同时，学习一组由动态运动基元表示的运动基元。所提方法利用了运动基元的分割与表示之间，以及基于驾驶特性的初始分割之间的相互依赖关系。利用此相互依赖与初始条件，本文展示了我们如何能提升分割与运动基元库建立的性能。我们还评估了该基元表示方法对模仿学习与运动规划算法的适用性。模型使用北京理工大学智能车辆平台采集的驾驶数据进行训练与验证。结果表明，所提方法能同时找到恰当分割并建立运动基元库。
引用
@article{arxiv.1809.06394,
title = {Learning to Segment and Represent Motion Primitives from Driving Data for Motion Planning Applications},
author = {Boyang Wang and Jianwei Gong and Ruizeng Zhang and Huiyan Chen},
journal= {arXiv preprint arXiv:1809.06394},
year = {2018}
}