基于多模态传感器融合的复杂动态环境概率端到端车辆导航
机器人学
2020-11-03 v1 人工智能
机器学习
系统与控制
系统与控制
摘要
全天候全时段导航是自动驾驶的一项关键能力，要求对多变的环境条件和复杂的智能体行为做出恰当反应。近年来，随着深度学习的兴起，自动驾驶车辆的端到端控制得到了广泛研究。然而，大多数工作仅基于视觉信息，这些信息在弱光或全黑等具有挑战性的光照条件下可能退化。此外，它们通常生成并应用确定性控制指令，而未考虑未来的不确定性。本文基于模仿学习，提出了一种利用相机、激光雷达和雷达信息、具备超感知能力的概率驾驶模型。我们进一步在一个新的驾驶基准上在线评估了其驾驶性能，该基准包含多种环境条件（如城市与乡村区域、交通密度、天气和一天中的不同时段）和动态障碍物（如车辆、行人、摩托车手和自行车骑行者）。结果表明，我们提出的模型优于基线方法，并在交通繁忙和极端天气的未见环境中取得了优异的泛化性能。
引用
@article{arxiv.2005.01935,
title = {Probabilistic End-to-End Vehicle Navigation in Complex Dynamic Environments with Multimodal Sensor Fusion},
author = {Peide Cai and Sukai Wang and Yuxiang Sun and Ming Liu},
journal= {arXiv preprint arXiv:2005.01935},
year = {2020}
}
备注
8 pages, 6 figures, 3 tables. IEEE Robotics and Automation Letters (RA-L)