道路规则：用语义交互卷积模型预测驾驶行为
计算机视觉与模式识别
2019-06-24 v1 机器学习
机器人学
摘要
我们关注在复杂真实世界驾驶场景中预测实体未来状态的问题。以往研究使用低层信号预测短时间范围，且未解决如何利用工业级自动驾驶系统所严重依赖的关键资产：(1) 提供具有丰富属性的高精度智能体 3D 状态的大型 3D 感知工作，以及 (2) 详细准确的环境语义地图（车道、交通灯、人行横道等）。我们提出了一种统一表示，将此类高层语义信息编码于空间网格中，从而允许使用深度卷积模型融合复杂场景上下文。这使得在智能体行为的整体时间模型中，每个时间步可通过简单的前向计算学习实体-实体与实体-环境交互。我们提出了使用标准监督学习将未来建模为未来状态分布的不同方式。我们引入了一个提供工业级丰富感知与语义输入的新型数据集，并凭经验表明我们能有效学习驾驶行为的基础。
引用
@article{arxiv.1906.08945,
title = {Rules of the Road: Predicting Driving Behavior with a Convolutional Model of Semantic Interactions},
author = {Joey Hong and Benjamin Sapp and James Philbin},
journal= {arXiv preprint arXiv:1906.08945},
year = {2019}
}
备注
Accepted at CVPR 2019