Jun, 2022

一个分层式行人行为模型，生成交通模拟中真实的人类行为

PDF
TL;DR本文提出了一种分层行人行为模型，通过使用行为树生成高层次决策，使用自适应社交力模型由底层运动规划器产生可执行的机动，将完整的实现集成到 GeoScenario Server 中，扩展了其车辆仿真能力，允许模拟涉及车辆和行人的测试场景，以协助自动驾驶车辆的基于场景的测试过程。该模型在两个不同的地点采集的实际数据集上进行了评估，表现出与现实世界行人轨迹高度相似的特性和 98％或更高的决策准确性。
发现论文，激发创造
  • 虚拟博弈预测行人交互动态

    本研究开发了一种预测多个行人之间交互的模型，采用了博弈论和基于深度学习的视觉分析相结合的方法，可以更好地解释人类的互动，相比现有技术的最先进方法提升 25% 的预测精度。

    Apr, 2016

  • 自动驾驶的行人环境模型

    使用单目相机图像和车辆定位数据作为输入，我们提出了一个环境模型，该模型包括行人的位置和姿态信息。通过神经网络人体姿势估计器从图像中提取骨架信息，并通过基于匈牙利算法和自车运动补偿的简单跟踪算法跟踪骨架。为了获得位置的三维信息，我们结合车辆位置从连续帧中聚合数据。我们在 CARLA 模拟器和 nuScenes 数据集上展示了我们的行人环境模型，相对位置误差均达到约 16%。

    Aug, 2023

  • TrafficSim：学习模拟真实多智体行为

    利用 TrafficSim 模拟真实的自动驾驶系统中的多智能体交通模型，以更多样化的人类演示数据为基础，生成人类社交一致的行驶计划，生成更真实、更多样化的交通场景，可作为训练更好的运动规划员的有效数据增强。

    Jan, 2021

  • 行人动作预测的多模态混合架构

    本研究提出了一种新颖的多模态预测算法，采用混合学习架构来分析环境的视觉特征和场景动态，预测行人的未来横穿行为，并在现有 2D 行人行为基准和新的 3D 驾驶数据集上进行评估，取得了最先进的表现。

    Nov, 2020

  • 增强驾驶员行为模型用于高保真模拟研究碰撞检测算法

    本文使用模拟平台进行了复杂的交通仿真实验，针对连通与自动驾驶汽车的驾驶行为进行了建模，并分析了多种人为与机制相关的因素对交通网络的影响。

    Aug, 2022

  • 基于分层模仿学习的城市驾驶可解释运动规划器

    本文介绍了一种分层的模仿学习方法，包括一个高层次基于网格的行为规划器和一个低层次的轨迹规划器来增强神经网络的可靠性和稳定性。该方法可以被嵌入到基于规则的架构中，且在封闭回路仿真和实际驾驶测试中表现卓越，特别适用于复杂的城市自动驾驶场景。

    Mar, 2023

  • 一种新的基准测试范式和基于尺度和动态感知的自身行为者行人轨迹预测模型

    本文提出了一种基于场景进行评估的新模式，以评估自主行驶系统中行人轨迹预测算法的挑战，并通过实证评估在多模态来源数据的融合和有效的分层方式下取得了显著的改进。

    Oct, 2023

  • 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

  • 学习行人动作以确保安全自动驾驶

    研究 AV 预测行人短期和即时行为的不足，提出了一种基于 TF-ed 架构的新型多任务序列到序列解码器，用于只使用自车摄像机观测作为输入的行人动作和轨迹预测。在公开可用的 JAAD 数据集、CARLA 仿真数据以及校园实时无人驾驶班车数据上评估该方法，结果显示该方法在 JAAD 测试数据上的行为预测任务准确率为 81％，优于 LSTM-ed 7.4％，然而 LSTM 的姊妹机在长度为 25 帧的预测序列任务中表现更好。

    May, 2023

  • BITS: 交通仿真的双层模仿

    本研究提出了一种基于数据驱动的方法（称为 BITS）来生成具有现实感、多样性和远期稳定性的交通行为，该方法将交通仿真问题分解为高层意图推断和低层驾驶行为模仿的双层层次结构，并引入了规划模块来获取稳定的长期行为。同时，还开发出一种软件工具，统一不同驾驶数据集的数据格式并将现有数据集中的场景转换为交互式仿真环境。

    Aug, 2022