PLUTO：推动基于模仿学习的自动驾驶规划技术极限
机器人学
2024-04-23 v1
摘要
我们提出了 PLUTO 框架，推动了基于模仿学习的自动驾驶规划技术的极限。我们的改进源于三个关键方面：一种纵向-横向感知的模型架构，使其能够实现灵活多样的驾驶行为；一种具有广泛适用性和高效性的批量计算辅助损失方法；一种新型训练框架，利用对比学习，并辅以一套新数据增强技术，以调节驾驶行为并促进对底层相互作用的理解。我们使用大规模真实世界 nuPlan 数据集及其相关标准化规划基准进行评估。令人印象深刻的是，PLUTO 实现了最新的闭环性能，超越了其他基于学习的方法，也首次超过了当前最顶尖的基于规则的规划器。结果与代码已在 https://jchengai.github.io/pluto 提供。
引用
@article{arxiv.2404.14327,
title = {PLUTO: Pushing the Limit of Imitation Learning-based Planning for Autonomous Driving},
author = {Jie Cheng and Yingbing Chen and Qifeng Chen},
journal= {arXiv preprint arXiv:2404.14327},
year = {2024}
}