Aug, 2021

自动驾驶车辆存在遮挡因素的可解释目标识别

PDF
TL;DR本研究提出 Goal and Occluded Factor Inference (GOFI) 算法，在自动驾驶场景下应用逆向规划技术共同推断目标和潜在的遮挡因素的概率信念，并将这些信念集成到蒙特卡罗树搜索（MCTS）中，从而更准确地预测其他智能体的行为并避免碰撞等风险。
发现论文，激发创造
  • 面向分布感知的自主驾驶安全目标预测和符合模型规划

    本文提出了一种基于模块化架构的学车任务分解方法，在障碍感知、目标预测和规划方面均取得了优秀的方法，并在 CARLA 模拟器上实现了最新的优秀结果。

    Dec, 2022

  • 遮挡下的协作概率轨迹预测

    在视觉遮挡下的感知和规划对于安全关键任务至关重要，本论文设计了一种端到端网络，通过相对位姿估计在有遮挡的情况下合作估计遮挡行人的当前状态，并具有安全保证的轨迹预测，实验证明在遮挡下，由本体代理进行的遮挡行人不确定性感知轨迹预测与没有遮挡的真实轨迹几乎相似，该研究为多个连接代理在遮挡下进行不确定性感知导航提供了希望。

    Dec, 2023

  • 基于博弈论的主动感知安全自动驾驶系统

    本论文提出一种新的分析方法，通过零和动态博弈模型解决自动驾驶车辆在遮挡视野的情况下和其他参与交通的实体交互的安全问题，并在开放源码 CARLA 模拟器上表明该框架在城市和高速公路驾驶场景下的有效性。

    May, 2021

  • PRECOG: 在视觉多智能体环境中基于目标的预测

    本研究提出了一种基于激光雷达和历史位置数据的多智能体未来交互预测模型，包括标准预测和条件预测，并针对自动驾驶车辆的目标进行了评估。实验结果表明，该模型在多智能体驾驶情景中比现有技术更准确。

    May, 2019

  • 场景信息获取器：基于锚点的遮挡推断与轨迹预测在部分可观测环境中

    自主车辆在复杂和动态环境中导航需要考虑可见和遮挡区域，本论文提出了一种统一的方法 Scene Informer，在部分可观测的场景中同时预测观察到的代理的轨迹和推断遮挡物。通过聚合各种输入模态并在可能与自主车辆计划路径相交的遮挡物上进行选择性查询，该框架估计了遮挡物的占用概率和可能的轨迹，以及观察代理的未来运动。在 Waymo Open Motion 数据集的部分可观测设置中，我们的方法在占用预测和轨迹预测方面优于现有方法。

    Sep, 2023

  • MapGo: 面向目标任务的模型辅助策略优化

    本文提出了一种名为 FGI 的新的重标记策略用于改善回报稀疏性问题，并通过引入动态模型来生成模拟轨迹来提高采样效率，提出了一种名为 MapGo 框架用于目标导向任务的模型辅助策略优化， 并在复杂任务上的实验证明了 FGI 策略相比后见策略的有效性，并且 MapGo 框架相对于无模型的基线表现出更高的采样效率。

    May, 2021

  • 完全可观察非确定性领域模型中的时间扩展目标识别

    本文研究将目标识别扩展到具有完整可观察性和非确定性的计划领域模型中，重点是在使用线性时间逻辑（LTLf）和纯过去线性时间逻辑（PLTLf）表达的有限痕迹上识别目标。我们开发了第一种能够识别此类设置中目标的方法，并使用六个计划领域模型上的不同 LTLf 和 PLTLf 目标进行评估，实验结果表明我们的方法在不同的识别设置中识别时间上延长的目标是准确的。

    Jun, 2023

  • 具有社交感知的自动驾驶汽车的行为规划

    本研究提出了一种基于社会感知方案的自主驾驶决策模块，在该模块中，利用所有可用信息并恰当地处理不确定性问题，将社会感知的更新信念明确地纳入了基于 MPC 的概率规划框架中，以此实现了防御但不过于保守且社会兼容的驾驶策略。

    May, 2019

  • 基于领域知识驱动的伪标签方法：解释性目标条件交互轨迹预测

    本文研究了自主驾驶领域中高度交互场景下的自动驾驶轨迹预测问题，提出了基于条件变分自编码器 (CVAE) 模型的交互式潜空间表示方法以及采用伪标签避免 KL 消失的策略，并在开放数据集上进行了定量和定性评估。

    Mar, 2022

  • 基于线性规划的目标识别规划方法

    本文提出了一种基于算子计数框架的方法来有效计算符合观察结果的解，用于解决目标识别任务，并对部分和噪声观测进行估计和满足观测。通过大规模数据集的实证评估，证明了该方法在一致性比率、准确性和分散性等方面优于以往方法，同时为解决目标识别任务的组合优化开辟了新的研究路径。

    May, 2019