面向自动驾驶的 SE(2)-等变轨迹规划先驱研究
机器人学
2024-03-19 v1 人工智能
多智能体系统
摘要
规划受控自车的轨迹是自动驾驶中的一项关键挑战。与人类驾驶员类似，预测周围车辆的运动对于规划自身行为至关重要。最近的运动预测方法利用等变神经网络来挖掘场景中的几何对称性。然而，目前尚无方法能够在保证输入空间旋转-平移下等变性的同时，将运动预测与轨迹规划结合在统一步骤中。我们通过提出一种轻量级等变规划模型来填补这一空白，该模型为所有车辆生成多模态联合预测，并选择其中一个模态作为自车规划。等变网络设计提高了样本效率，保证了输出稳定性，并减少了模型参数。我们进一步提出了等变路线吸引模块，以引导自车沿由现成 GPS 导航系统提供的高层路线行驶。该模块在潜在空间中产生从嵌入的车辆位置指向路线的动量，同时保持等变性质。路线吸引使能目标导向行为，而无需强制车辆严格遵循确切路线。我们在具有挑战性的 nuScenes 数据集上进行了实验，以研究我们规划器的能力。结果表明，在输入场景的旋转-平移下，所规划的轨迹是稳定的，这证明了我们模型的等变性。尽管仅使用数据集的一小部分进行训练，我们的方法仍将 3 s 时的 L2 距离提升了 20.6%，并超越了现有技术水平。
引用
@article{arxiv.2403.11304,
title = {Pioneering SE(2)-Equivariant Trajectory Planning for Automated Driving},
author = {Steffen Hagedorn and Marcel Milich and Alexandru P. Condurache},
journal= {arXiv preprint arXiv:2403.11304},
year = {2024}
}