Jun, 2023

自动驾驶中使用实时感觉输入进行动作预测的挑战

PDF
TL;DR研究挑战：将运动预测模型应用于由感知模块提供输入的更加真实场景，并通过综合评估量化领域差距的影响，并设计合成扰动以更好地表征其后果，从而提供有关上游感知模块中需要改进的领域的见解和指导。
motion forecastingrobotsperception modulestracking errorsdomain gap
发现论文，激发创造
  • Valeo4Cast：一种模块化的端到端预测方法

    使用模块化方法，将感知、跟踪和预测模块单独建立并训练，然后通过连续的微调步骤整合这些模块以改善性能，在 Argoverse 2 的终端预测挑战中取得了显著的性能提升。

    Jun, 2024

  • 通过模拟感知和预测来测试自动驾驶汽车的安全性

    本论文提出了一种新方法，通过模拟自动驾驶汽车感知和预测系统的输出，以可靠地进行运动规划测试，从而取代传统的昂贵且具有较大领域差距的传感器模拟。我们使用真实感知和预测输出与标签数据进行训练，从而预测在线系统的输出。此外，我们的方法以高清地图、边界框和轨迹为输入，可由测试工程师轻松手绘几分钟，这大大提高了可扩展性。通过两个大型数据集的定量实验结果表明，我们可以实现通过模拟来进行现实测试的全面方法。

    Aug, 2020

  • 自主驾驶的流式运动预测

    基于连续数据流的轨迹预测是一个重要的问题，我们引入了一个新的基准测试来解决忽略了流数据中出现和消失的物体以及预测结果的时间连续性的问题，我们提出了一个名为 "预测流" 的算法来解决这个问题，并通过采用多模型轨迹传播和可微分滤波器来提高预测质量，得到了更准确的预测结果。

    Oct, 2023

  • 自动驾驶中交通参与者短期运动预测的不确定性感知

    我们提出了一种基于深度学习的方法来预测自动驾驶车辆周围交通参与者的未来状态，并考虑和捕捉预测任务的固有不确定性，该方法包括当前世界状态和每个参与者的栅格图像作为输入，实验结果表明该方法具有显著优势，并在实际自动驾驶车辆上成功测试。

    Aug, 2018

  • KI-PMF: 知识集成的可信动作预测

    本文通过整合先验知识，提出了防止离线道路预测以实现安全可靠的运动预测的概念，以确保自主车辆在复杂和动态场景中的可达性保证。

    Oct, 2023

  • 用于越野无人车的多模态动力学建模

    该篇论文研究如何在戶外和非结构化环境下使用多种传感器来构建预测机器人动态的模型，实验表明多种传感器的组合能够更准确地预测机器人的状态变化。

    Nov, 2020

  • 面向自动驾驶的大规模交互式运动预测：Waymo 开放运动数据集

    该研究介绍了当前最全面的交互式动作数据集，包含超过 100,000 个场景，用于发展动作规划模型与提供强大的基线模型来对单独或多个交互式对象进行预测，并提供了新的度量方法。

    Apr, 2021

  • 自主驾驶中基于运动的无监督感知与预测

    本文提出一种使用自学生成流技术的框架，自动学习行驶中的自由运动的物体，以替代在自主驾驶系统中昂贵的人工标注，实现更广泛、准确、自主的交通参与者识别和动作预测。

    Oct, 2022

  • 自动驾驶的轨迹预测中真正重要的因素是什么？

    论文指出，当前轨迹预测模型的评估协议存在瑕疵，忽略了数据集和真实驾驶场景之间的动态差异以及预测模型的计算效率。为此，作者提出了一种基于任务的交互式评估方法，以更准确地反映轨迹预测在自动驾驶中的有效性。

    Jun, 2023

  • 利用激光雷达进行未来物体检测预测

    本研究提出了一种基于原始传感器测量而非基于标准轨迹的端到端方法来进行对象检测和运动预测，实现对多个未来情况的推理能力，并扩展了检测度量来检验预测准确性。

    Mar, 2022