面向基于场景测试的向量化场景描述与运动预测
机器学习
2023-08-28 v2 机器人学
系统与控制
系统与控制
摘要
自动驾驶车辆（AVs）在多样化场景中接受测试，这些场景通常由速度、距离或曲线半径等参数指定。为独立于此类参数而统一描述场景，本文提出一种由道路几何与车辆轨迹定义的向量化场景描述。针对三种场景生成该形式的数据，将其合并并用于训练运动预测模型 VectorNet，从而能够对未见场景下的自动驾驶车辆轨迹进行预测。在预测场景评估指标时，VectorNet 相比分别处理三种场景数据的回归模型部分实现了更低的误差。然而，为实现全面的泛化，必须确保训练数据具有充分的方差。因此，与现有方法相反，我们所提方法能够合并多样化场景的数据，并利用向量化场景描述中的空间与时间细微差异。结果表明，指定测试场景与真实世界场景的数据可进行比较与组合，用于（预测性）分析与场景选择。
引用
@article{arxiv.2302.01161,
title = {Vectorized Scenario Description and Motion Prediction for Scenario-Based Testing},
author = {Max Winkelmann and Constantin Vasconi and Steffen Müller},
journal= {arXiv preprint arXiv:2302.01161},
year = {2023}
}
备注
6 pages, 7 figures, 3 tables