重新思考面向融合预测与规划的模仿学习闭环规划框架
机器人学
2024-07-09 v1
摘要
近年来，通过神经网络融合预测与规划受到了广泛关注。尽管对此已有大量研究，但在理解此类模型如何在闭环规划设置中运行方面仍存在明显空白。为填补这一空白，我们提出了一种新颖的闭环规划框架，该框架兼容于进行联合预测与规划的神经网络。该框架包含两种运行模式，即规划模式和安全监控模式，其中神经网络分别执行运动预测与规划（MPP）和条件运动预测（CMP），而无需改变网络架构。我们使用nuPlan数据集及其模拟器评估了我们框架的有效性，并在不同场景下进行了闭环实验。结果表明，所提出的框架在保证规划过程可行性和局部稳定性的同时，通过CMP安全监控维持了安全性。与其他基于学习的方法相比，我们的方法取得了显著的改进。
引用
@article{arxiv.2407.05376,
title = {Rethinking Closed-loop Planning Framework for Imitation-based Model Integrating Prediction and Planning},
author = {Jiayu Guo and Mingyue Feng and Pengfei Zhu and Chengjun Li and Jian Pu},
journal= {arXiv preprint arXiv:2407.05376},
year = {2024}
}
备注
7 pages,5 figures