面向端到端自动驾驶的轨迹引导控制预测:一个简单而强大的基线
计算机视觉与模式识别
2022-10-18 v2 人工智能
机器人学
摘要
当前端到端自动驾驶方法要么基于规划轨迹运行控制器,要么直接进行控制预测,这已分化为两个独立研究的路线。鉴于二者潜在的相互益处,本文主动探索将这两个成熟领域的结合。具体而言,我们的集成方法分别具有轨迹规划与控制两条分支。轨迹分支预测未来轨迹,而控制分支引入一种新颖的多步预测方案,从而可推理当前动作与未来状态之间的关系。两分支相连,使控制分支在每时间步接收来自轨迹分支的相应引导。两分支输出随后融合以实现互补优势。我们的结果在具有挑战性场景的闭环城市驾驶设置中使用 CARLA 模拟器评估。即使仅以单目相机输入,所提方法在官方 CARLA Leaderboard 上排名第一,大幅优于其他具有多传感器或融合机制的复杂候选方法。源代码公开于 https://github.com/OpenPerceptionX/TCP。
引用
@article{arxiv.2206.08129,
title = {Trajectory-guided Control Prediction for End-to-end Autonomous Driving: A Simple yet Strong Baseline},
author = {Penghao Wu and Xiaosong Jia and Li Chen and Junchi Yan and Hongyang Li and Yu Qiao},
journal= {arXiv preprint arXiv:2206.08129},
year = {2022}
}
备注
Accepted at NeurIPS 2022