SunnyParking：面向人类化停车的多Shot轨迹生成与运动状态感知
机器人学
2026-02-26 v1
摘要
自动停车与公路驾驶在根本上存在差异，因其频繁的方向变更和复杂的操控需求。然而，现有的端到端（End-to-End，E2E）规划方法常将停车任务简化为几何路径回归问题，忽略了对车辆运动状态的显式建模。这种“维度不足”容易导致物理上不可行的轨迹，偏离真实的人类驾驶行为，尤其是在多Shot停车场景中的关键换挡点。本文提出了SunnyParking，一种新型的双分支E2E架构，通过联合预测空间轨迹和离散运动状态序列（如前进/后退），实现运动状态感知。此外，我们引入基于傅里叶特征的目标停车位表示，克服了传统鸟瞼图（BEV）方法的分辨率局限，实现高精度的目标交互。实验结果表明，我们的框架在复杂的多Shot停车场景中生成更稳健且符合人类驾驶习惯的轨迹，显著提高了换挡点定位精度。我们开源了一个新的停车数据集，旨在评估在复杂操控下的完整预测能力。
引用
@article{arxiv.2602.21682,
title = {SunnyParking: Multi-Shot Trajectory Generation and Motion State Awareness for Human-like Parking},
author = {Jishu Miao and Han Chen and Jiankun Zhai and Qi Liu and Tsubasa Hirakawa and Takayoshi Yamashita and Hironobu Fujiyoshi},
journal= {arXiv preprint arXiv:2602.21682},
year = {2026}
}