PathGAN：基于注意力生成对抗网络的局部路径规划
计算机视觉与模式识别
2021-03-04 v2
摘要
为实现无高精地图的自动驾驶，我们提出一种能够从以自我为中心的图像为自动驾驶车辆生成多条合理路径的模型。我们的生成模型包含两个神经网络：特征提取网络(FEN)与路径生成网络(PGN)。FEN 从以自我为中心的图像中提取有意义的特征，而 PGN 在给定驾驶意图和速度的情况下从特征生成多条路径。为确保生成的路径合理且与意图一致，我们引入注意力判别器，并在生成对抗网络框架下与 PGN 联合训练。我们还设计了路径中位置与隐藏于位置中的意图之间的交互模型，并设计了反映该交互模型的新型 PGN 架构，从而提升了生成路径的准确性与多样性。最后，我们提出 ETRIDriving，一个用于自动驾驶的数据集，其中记录的传感器数据标注有离散高层驾驶动作，并在 ETRIDriving 上展示了所提模型在准确性和多样性方面的 SOTA 性能。
引用
@article{arxiv.2007.03877,
title = {PathGAN: Local Path Planning with Attentive Generative Adversarial Networks},
author = {Dooseop Choi and Seung-jun Han and Kyoungwook Min and Jeongdan Choi},
journal= {arXiv preprint arXiv:2007.03877},
year = {2021}
}