Transfusor：用于可控类人车辆换道轨迹生成的 Transformer 扩散器
人工智能
2023-08-30 v1 机器人学
摘要
随着自动驾驶系统的持续发展与部署需求的增长，研究者不断寻求可靠的方法用于 ADS 系统。虚拟仿真测试（VST）因其执行快、成本低、可重复性高的优势，已成为测试自动驾驶系统（ADS）与高级驾驶辅助系统（ADAS）的重要方法。然而，这些基于仿真的实验的成功高度依赖于测试场景的真实感。需要在 VST 中创建更灵活、高保真的测试场景，以提升 ADS 与 ADAS 的安全性和可靠性。为应对该挑战，本文提出“Transfusor”模型，其利用了 transformer 与 diffusor 模型（两种前沿深度学习生成技术）。Transfusor 模型的主要目标是在高速公路场景中生成高度真实且可控的类人换道轨迹。我们开展了大量实验，结果表明所提模型有效学习了人类换道行为的时空特征，并成功生成了贴近真实人类驾驶的轨迹。因此，所提模型可在 VST 中创建更灵活、高保真的测试场景方面发挥关键作用，最终使 ADS 与 ADAS 更安全、更可靠。
引用
@article{arxiv.2308.14943,
title = {Transfusor: Transformer Diffusor for Controllable Human-like Generation of Vehicle Lane Changing Trajectories},
author = {Jiqian Dong and Sikai Chen and Samuel Labi},
journal= {arXiv preprint arXiv:2308.14943},
year = {2023}
}
备注
Submitted for presentation only at the 2024 Annual Meeting of the Transportation Research Board