带有注意力机制的类脑认知模型在自动驾驶汽车中的应用

Feb, 2017

带有注意力机制的类脑认知模型在自动驾驶汽车中的应用

Brain Inspired Cognitive Model with Attention for Self-Driving Cars

Shitao Chen, Songyi Zhang, Jinghao Shang, Badong Chen, Nanning Zheng

TL;DR本文提出了一种名为带有注意力的脑启发式认知模型 (CMA) 的自动驾驶模型，该模型可以模拟人类视觉皮层和认知空间，结合实时更新的认知地图来实现注意机制和长短期记忆，同时解决了检测自由空间和当前和相邻车道边界、估算障碍物距离和车辆姿态、学习从人类驾驶员处获取驾驶行为和决策的三项任务，并可以接受外部导航指令。

Abstract

Perception-driven approach and end-to-end system are two major vision-based frameworks for self-driving cars. However, it is difficult to introduce attention and historical information of autonomous driving process, which are the essential factors for achieving human-like driving into

self-driving cars brain-inspired cognitive model convolutional neural network recurrent neural network end-to-end driving

发现论文，激发创造

通过可视化因果关注实现自动驾驶车辆的可解释性学习

本研究探讨了可解释的自动驾驶车辆中使用视觉解释的方法，使乘客、保险公司、执法机构和开发人员能够理解神经网络控制模型的行为，该模型采用了视觉关注模型进行训练，并应用因果过滤步骤来确定哪些输入区域实际上影响了输出。该方法在三个数据集上进行了有效性研究，证明了其在自动驾驶行为和人类驾驶行为中的应用价值。

Mar, 2017

引导端到端驾驶模型的注意力

通过使用显著语义地图进行训练期间添加损失项，引导注意力可以改善自动驾驶模型的驾驶质量，并获得更直观的激活图，特别是在数据和计算资源有限的情况下。

Apr, 2024

通过学习端到端的视觉关注来解释自动驾驶

通过使用注意力模型来提高 CARLA 驾驶模拟器的性能，同时通过模仿学习训练代理人来解释自动驾驶中深度学习无法解释的决策问题。

Jun, 2020

面向端到端自动驾驶的多任务学习与注意力机制

本文提出了一种基于多任务学习和注意力模型的新型自动驾驶条件模仿学习网络，通过解决交通灯反应问题，不仅提高了标准基准测试的成功率，而且具备了响应交通信号的能力。

Apr, 2021

自主车辆的决策制定：基于交互感知行为预测和社交关注神经网络

自主车辆在交通中需要与人类驾驶员互动来完成任务，因此装备自主车辆具备人工推理以更好地理解周围交通的意图，从而促进任务完成。本文提出了一种行为模型，将驾驶员的互动意图编码为潜在的社会心理参数，并设计了基于贝叶斯滤波器的递进视界优化控制器以考虑互动驾驶员意图的不确定性，同时采用基于注意机制的神经网络架构来模仿行为模型和在线估计参数先验，并提出决策树搜索算法在线解决决策问题。本文对所提出的行为模型进行了真实世界轨迹预测能力的评估，并在模拟环境和真实世界交通数据集中进行了强制公路合并场景的决策模块的广泛评估，结果表明我们的算法能够在各种交通条件下完成强制合并任务并确保驾驶安全。

Oct, 2023

神经世界模型与计算机视觉

该研究提出了一种基于计算机视觉概念，使用深度神经网络从摄像头观测和专业演示数据中训练世界模型和政策的通用框架，该模型可以预测鸟瞰图空间中动态汽车的未来轨迹，并在城市驾驶环境中联合预测静态场景、动态场景和特定行为。

Jun, 2023

无人驾驶汽车的端到端学习

使用卷积神经网络实现端到端的无人驾驶系统，自动学习所需处理步骤的内部表示，以及如何检测车道等相关功能优化，最终将导致更好的表现和更小的系统

Apr, 2016

感知、关注和驾驶：学习空间关注以实现安全自动驾驶

本文提出一种全端到端的自动驾驶网络，采用稀疏注意力模块，学习自动关注输入的重要区域。注意力模块专门针对运动规划，而先前的文献只在感知任务中应用注意力。直接学习针对运动规划的注意力掩模显著提高了规划器的安全性，并且可视化注意力提高了全端到端自动驾驶的可解释性。

Nov, 2020

自动驾驶车辆的文本解释

本研究提出了一种基于神经网络、视觉的注意力模型和视频 - 文本模型的内向性解释方法，通过控制器和解释模型之间的注意力导图，生成可解释的行驶模型动作的文本描述，并与外向性解释模型的效果进行比较。

Jul, 2018

深度转向：从时空视觉线索中学习端到端驾驶模型

本文研究利用低成本车载摄像头进行自主驾驶算法，并通过深度神经网络将原始输入图像直接映射到方向盘角度的视觉模型，提出了一种结合空间和时间线索的模型，有助于解释学习到的模型，通过分析人类驾驶数据，比较了此模型与其他自主驾驶车辆状态先进模型的性能差异。

Aug, 2017