目标点注意力Transformer：一种用于端到端自动驾驶的新型轨迹预测网络
机器人学
2023-08-04 v1
摘要
在自动驾驶领域，已有许多优秀的感知模型用于目标检测、语义分割等任务，但我们如何有效利用感知模型进行车辆规划？传统的自动驾驶轨迹预测方法不仅需要遵守交通规则以避免碰撞，还需沿规定路线到达目的地。本文提出一种基于Transformer的无需规则的端到端自动驾驶轨迹预测网络，称为目标点注意力Transformer网络 (TAT)。我们利用注意力机制实现预测轨迹与感知特征及目标点之间的交互。我们证明所提方法优于现有的条件模仿学习和基于GRU的方法，显著减少了事故发生并提高了路线完成度。我们在城市复杂闭环驾驶场景中使用CARLA模拟器评估该方法，取得了最先进的性能。
引用
@article{arxiv.2308.01496,
title = {Target-point Attention Transformer: A novel trajectory predict network for end-to-end autonomous driving},
author = {Jingyu Du and Yang Zhao and Hong Cheng},
journal= {arXiv preprint arXiv:2308.01496},
year = {2023}
}
备注
7 pages, 4 figures, 44 conference