摒弃关于基于学习的车辆运动规划的误解
机器人学
2023-11-03 v2 人工智能
计算机视觉与模式识别
机器学习
摘要
nuPlan 的发布标志着车辆运动规划研究的新时代，提供了首个大规模真实世界数据集以及同时要求精确短期规划和长时域自车预测的评价方案。现有系统难以同时满足两项要求。事实上，我们发现这些任务从根本上错位，应独立处理。我们进一步评估了该领域闭环规划的现状，揭示了基于学习的方法在复杂真实场景中的局限性，以及简单基于规则的先验（如通过车道图搜索算法进行中心线选择）的价值。更令人惊讶的是，对于开环子任务，我们观察到仅使用该中心线作为场景上下文（即忽略关于地图和其他智能体的所有信息）时取得了最佳结果。结合这些见解，我们提出了一种极简且高效的规划器，其优于大量竞争者，赢得了 2023 年 nuPlan 规划挑战赛。
引用
@article{arxiv.2306.07962,
title = {Parting with Misconceptions about Learning-based Vehicle Motion Planning},
author = {Daniel Dauner and Marcel Hallgarten and Andreas Geiger and Kashyap Chitta},
journal= {arXiv preprint arXiv:2306.07962},
year = {2023}
}
备注
CoRL 2023