深度学习自动驾驶系统中预测与规划的集成：综述
机器人学
2024-09-12 v3 人工智能
计算机视觉与模式识别
机器学习
多智能体系统
摘要
自动驾驶有潜力彻底改变个人、公共和货运出行。除了准确感知环境外，自动驾驶车辆还必须规划安全、舒适且高效的运动轨迹。为促进安全性与进展，许多工作依赖于预测周围交通未来运动的模块。模块化自动驾驶系统通常将预测与规划作为顺序的分离任务处理。虽然这考虑了周围交通对自车的影响，却未能预见交通参与者对自车行为的反应。近期方法日益将预测与规划在联合或相互依赖的步骤中集成以建模双向交互。迄今为止，缺乏对不同集成原则的全面概述。我们系统性地综述了基于深度学习的最先进规划系统，并聚焦于它们如何集成预测。我们考虑了从系统架构到高层行为方面的不同集成维度，并将其相互关联。此外，我们讨论了不同集成原则的含义、优势与局限。通过指出研究空白、描述相关未来挑战并突出研究领域趋势，我们确定了有前景的未来研究方向。
引用
@article{arxiv.2308.05731,
title = {The Integration of Prediction and Planning in Deep Learning Automated Driving Systems: A Review},
author = {Steffen Hagedorn and Marcel Hallgarten and Martin Stoll and Alexandru Condurache},
journal= {arXiv preprint arXiv:2308.05731},
year = {2024}
}