面向自动驾驶车辆的社会感知人群导航与多模态行人轨迹预测
机器人学
2020-11-24 v1
摘要
在拥挤行人环境中无缝运行自动驾驶车辆是一项极具挑战的任务。这是因为此类环境中人类的运动与交互极难预测。近期工作表明，基于强化学习的方法能够学会在人群中驾驶。然而，由于行人未来状态预测不准确（人类运动预测具有较大方差），这些方法性能可能很差。为克服该问题，我们提出一种新方法 SARL-SGAN-KCE，其将深度社会感知注意力价值网络与人类多模态轨迹预测模型结合，以帮助确定最优驾驶策略。我们还引入一种以最小额外计算需求扩展离散动作空间的新技术。车辆的运动学约束也被考虑以确保平滑且安全的轨迹。我们针对人群导航的最先进方法评估了我们的方法，并提供消融研究以表明我们的方法更安全且更接近人类行为。
引用
@article{arxiv.2011.11191,
title = {Socially Aware Crowd Navigation with Multimodal Pedestrian Trajectory Prediction for Autonomous Vehicles},
author = {Kunming Li and Mao Shan and Karan Narula and Stewart Worrall and Eduardo Nebot},
journal= {arXiv preprint arXiv:2011.11191},
year = {2020}
}
备注
8 pages, 6 figures, submitted to IEEE International Conference on Intelligent Transportation Systems 2020