面向城市驾驶的离散行为模式的可计算联合预测与规划
机器人学
2024-03-13 v1 机器学习
摘要
在自动驾驶领域，已经对训练多模态轨迹预测模型取得了显著进展。然而，在下游规划器和模型方法控制方法中有效地集成这些模型仍是一个开放问题。虽然这些模型通常只进行开环评估，但我们展示它们可以用于无需重新训练的情况下参数化自回归闭环模型。我们考虑最近利用学习锚嵌入预测多个轨迹的轨迹预测方法，发现这些锚嵌入可以参数化表示高层驾驶行为的离散且独立的模式。我们提出在这些离散潜在模式上进行完全自适应的闭环规划，允许我们在每一步中可计算地建模代理之间的因果相互作用。我们在一系列更动态的合并场景中对方法进行了验证，发现我们的做法避免了常规规划器中普遍存在的“冻结机器人问题”。在真实速度下，我们的方法在 CARLA 上具有挑战性的密集交通场景中超过了前一代最先进方法。
引用
@article{arxiv.2403.07232,
title = {Tractable Joint Prediction and Planning over Discrete Behavior Modes for Urban Driving},
author = {Adam Villaflor and Brian Yang and Huangyuan Su and Katerina Fragkiadaki and John Dolan and Jeff Schneider},
journal= {arXiv preprint arXiv:2403.07232},
year = {2024}
}