具有遮挡的自动驾驶可验证目标识别
机器人学
2023-08-02 v2 机器学习
摘要
目标识别（GR）涉及推断其他车辆的目标，例如某个路口出口，这能实现对它们未来行为更准确的预测。在自动驾驶中，车辆会遇到许多不同场景，且由于遮挡环境可能部分可观测。我们提出一种名为遮挡下可解释树目标识别（OGRIT）的新颖 GR 方法。OGRIT 使用从车辆轨迹数据学习的决策树来推断一组生成目标的概率。我们证明 OGRIT 能够处理因遮挡导致的缺失数据，并使用相同的已学习决策树跨多个场景进行推断，同时具有计算快速、准确、可解释和可验证的特点。我们还发布了用于评估 OGRIT 的遮挡区域数据集 inDO、rounDO 和 OpenDDO。
引用
@article{arxiv.2206.14163,
title = {Verifiable Goal Recognition for Autonomous Driving with Occlusions},
author = {Cillian Brewitt and Massimiliano Tamborski and Cheng Wang and Stefano V. Albrecht},
journal= {arXiv preprint arXiv:2206.14163},
year = {2023}
}
备注
IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 2023