PLOP：面向自动驾驶的概率多项式物体轨迹规划
计算机视觉与模式识别
2020-10-23 v3 人工智能
机器人学
摘要
为了在城市环境中安全导航，自动驾驶车辆（自车）必须理解并预判其周围环境，尤其是其他道路使用者（邻车）的行为与意图。在大多数情况下，所有道路使用者都有多种可接受的决策选择（例如右转或左转，或不同的避障方式），导致一个高度不确定且多模态的决策空间。我们在此专注于通过一个概率框架预测自车与邻车的多条可行未来轨迹。我们依赖于一种条件模仿学习算法，该算法由自车的导航指令（例如“右转”）所条件化。我们的模型处理自车前向摄像头图像以及由 Lidar 点云计算得到的鸟瞰网格，并结合过去与当前物体的检测结果，以生成自车及其邻车的多条轨迹。我们的方法计算高效且仅依赖车载传感器。我们在公开数据集 nuScenes 上离线评估了我们的方法，取得了最先进的性能，在线模拟实验中考察了我们的架构选择的影响，并给出了真实车辆控制的初步见解。
引用
@article{arxiv.2003.08744,
title = {PLOP: Probabilistic poLynomial Objects trajectory Planning for autonomous driving},
author = {Thibault Buhet and Emilie Wirbel and Andrei Bursuc and Xavier Perrotton},
journal= {arXiv preprint arXiv:2003.08744},
year = {2020}
}
备注
Accepted at CorRL 2020 (matching camera-ready version)