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

本文提出了一种考虑不确定环境模型中的运动规划方法，将可视性和交互性纳入考虑范围，在优化的运动规划器中集成应用这些条件，从而保证车辆在最坏情况下避免碰撞。

Oct, 2018

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

在多个行人追踪中，我们提出了一个适应性的遮挡感知多行人追踪器，OccluTrack，通过显式的运动估计、可靠的外观特征提取和公平的关联，解决了部分遮挡引起的异常检测问题。我们的 OccluTrack 在 MOT-Challenge 数据集中表现出卓越的性能，尤其在追踪和关联性能上取得了显著的改进。

Sep, 2023

研究如何预测车辆和行人的未来位置，通过估计语义地图中某些对象的可达性先验并使用计划的自我运动将其传播到未来，实现了跟踪对象的未来位置的多模态预测的改进和新对象的出现，同时也展示了对未见数据集的有前途的零 - shot 转换。

Jun, 2020

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。

Aug, 2021

本篇论文提出了一种基于协调的认知预测和规划框架来解决多机器人系统中的非通信性渲染问题，同时实现了探索、覆盖、任务发现和完成以及汇合应用等任务，该框架通过基于前沿的方法在人工物理学框架内实现置信状态的传播和环境覆盖，经过模拟和实验验证了其有效性。

Feb, 2023

本研究提出了一种基于条件性模仿学习算法和概率框架的自动驾驶决策方法，可用于导航、行人和其他路上的车辆预测，使用车载传感器信息生成多个实现路径，实现良好的性能和计算效率。

Mar, 2020

通过合作感知技术提高自动驾驶车辆在不利环境下的视觉感知质量，采用最佳辅助车辆优化协同感知并提高目标检测准确性，特别关注行人检测，验证结果表明该方法在挑战场景中提高了协作感知性能和驾驶安全。

Apr, 2024

本文提出了一种基于选择性通信算法的合作感知方法，用于提高当前自动驾驶系统在障碍物干扰场景下的可靠性。通过多智能体路径规划研究的启发，将感知网络与控制网络相结合，实现了对有关导航规划最为关键的感知信息的选择传输，在安全关键驾驶场景模拟中显示出了比随机选择方法更高的成功率，同时最小化了附加通信开销。

May, 2023