LHPF：在自动驾驶中回顾历史并为未来规划
机器人学
2024-11-27 v1 计算机视觉与模式识别
摘要
自动驾驶中的决策与规划直接关系到系统的安全性，因而有效的规划显得尤为重要。当前的仿照学习基于规划算法通常将历史轨迹与当前观察融合，以预测未来的候选路径。然而，这些算法通常独立评估当前和历史计划，导致驾驶意图在连续性方面存在断层，并在连续计划的每一步中积累错误。为克服这一挑战，本文引入了LHPF（Look back the History and Plan for the Future），一种集成历史规划信息的仿照学习规划器。我们采用历史意图聚合模块对历史规划意图进行汇总，然后将其与空间查询向量融合，以解码最终的规划轨迹。此外，我们还引入舒适性辅助任务，以提升驾驶行为的人类化质量。基于真实数据和合成数据的大量实验表明，LHPF不仅在规划性能上超越了现有的先进学习型规划器，还标志着纯粹基于学习的规划器首次超越专家。此外，跨越各种背板的历史意图聚合模块的应用也凸显了该方法的巨大潜力。代码将公开释放。
引用
@article{arxiv.2411.17253,
title = {LHPF: Look back the History and Plan for the Future in Autonomous Driving},
author = {Sheng Wang and Yao Tian and Xiaodong Mei and Ge Sun and Jie Cheng and Fulong Ma and Pedro V. Sander and Junwei Liang},
journal= {arXiv preprint arXiv:2411.17253},
year = {2024}
}