重新审视基于模仿的自动驾驶规划器
机器人学
2023-09-20 v1 人工智能
摘要
近年来，基于模仿的驾驶规划器取得了可观的成功。然而，由于缺乏标准化基准，各类设计的有效性仍不明朗。新发布的 nuPlan 通过提供大规模真实世界数据集与标准化闭环基准以实现公平比较，解决了这一问题。利用该平台，我们对基于模仿的规划器中两个基础却未被充分探索的方面展开综合研究：自车规划所需的关键特征，以及缓解复合误差的有效数据增强技术。此外，我们指出了当前学习系统所忽视的一种模仿鸿沟。最后，综合我们的发现，我们提出一个强基线模型 PlanTF。结果表明，一个设计良好的纯基于模仿的规划器，相较于涉及手工规则的最先进方法可达到极具竞争力的性能，并在长尾案例中展现更优的泛化能力。我们的模型与基准均已公开。项目主页 https://jchengai.github.io/planTF。
引用
@article{arxiv.2309.10443,
title = {Rethinking Imitation-based Planner for Autonomous Driving},
author = {Jie Cheng and Yingbing Chen and Xiaodong Mei and Bowen Yang and Bo Li and Ming Liu},
journal= {arXiv preprint arXiv:2309.10443},
year = {2023}
}
备注
Project website https://jchengai.github.io/planTF