具有不确定且变化意图的行人的实时预测建模与鲁棒避障
机器人学
2014-05-23 v1
摘要
为了在城市环境中规划安全轨迹，自动驾驶车辆必须能够快速评估动态代理的未来意图。行人尤其难以建模，因为其运动模式往往是不确定的和/或先验未知的。本文提出了一种新颖的变点检测与聚类算法，当与高斯过程混合模型 (DPGP) 的离线无监督学习相结合时，能够快速检测意图变化并在线学习先前训练数据中未见过的运动模式。由此产生的长期运动预测在意图和轨迹预测方面均显示出比仅靠离线学习更高的准确性。通过将这些预测嵌入到机会约束运动规划器中，可以实时识别对行人运动具有概率安全性的轨迹。硬件实验表明，该方法能够从车载传感器/感知数据中准确预测行人运动模式，并促进动态环境中的鲁棒导航。
引用
@article{arxiv.1405.5581,
title = {Real-Time Predictive Modeling and Robust Avoidance of Pedestrians with Uncertain, Changing Intentions},
author = {Sarah Ferguson and Brandon Luders and Robert C. Grande and Jonathan P. How},
journal= {arXiv preprint arXiv:1405.5581},
year = {2014}
}
备注
Submitted to 2014 International Workshop on the Algorithmic Foundations of Robotics