基于事故经验参照与常识推理的自动驾驶规划
机器人学
2023-01-27 v1 人工智能
机器学习
摘要
尽管典型自动驾驶系统在感知精度、性能稳定性和响应敏捷性上远超人类，但此类系统在以创造性、适应性和韧性理解陌生环境的智慧上仍远不及人类。当前自动驾驶大脑基本上是具备逻辑计算的专家系统，类似于左脑在战术层面的思维流。需要右脑通过做出可监督战术动作规划的直觉战略性判断，将自动驾驶车辆安全性提升至下一代。本工作中，我们提出自动驾驶战略大脑（ADSB）概念：一种在更高抽象层级工作的场景感知与场景安全评估系统框架，融合经验参照、常识推理及目标与价值判断能力，为自动驾驶规划中的决策提供上下文视角。ADSB 大脑架构由经验参照引擎（ERE）、常识参照引擎（CIE）和目标与价值守护器（GVK）组成。使用 NHTSA 的 FARS/CRSS 数据库 1975 至 2018 年间 1,614,748 个案例训练 ERE 模型。CIE 内核为经 ATOMIC 训练的 COMET-BART 模型，可在战术级环境感知结论模糊时提供方向性建议；也可利用未来场景模型提醒战术级决策系统提前规划已感知危险场景。GVK 可接收任何定性性质的额外专家手写规则。此外，我们相信凭借良好可扩展性，ADSB 方法为基于规则的规划算法验证中遇到的长尾极端案例问题提供了潜在解决方案。
引用
@article{arxiv.2301.10892,
title = {Planning Automated Driving with Accident Experience Referencing and Common-sense Inferencing},
author = {Shaobo Qiu and Ji Li and Guoxi Chen and Hong Wang and Boqi Li},
journal= {arXiv preprint arXiv:2301.10892},
year = {2023}
}