- 行人 - 车辆混合环境中的行人轨迹预测：一项系统综述
自主车辆与行人共享空间时，规划行驶路径需要考虑行人的未来轨迹。本文系统地回顾了文献中用于在存在车辆的情况下建模行人轨迹预测的不同方法，研究了与行人 - 车辆交互作用相关的特定考虑因素，并回顾了先前提出的预测模型中如何考虑预测不确定性和行为差 - 利用 KeyBERT 和 SNA 探索自主车辆政策的接受度：针对工程学生
本研究通过改进的文本挖掘方法探索用户对自动驾驶汽车政策的接受程度。研究结果表明，使用基于关键词提取和上下文相似度的文本挖掘方法进行分析可以更好地了解用户的声音以及成功部署自动驾驶汽车所面临的潜在风险。
- 基于语言指导的场景级扩散交通模拟
提出了一种 CTG++ 基于学习的交通流模型，它可以通过语言指令进行指导，从而解决了交通模型控制需要领域专业知识，对实践者使用困难等问题，通过经过广泛的评估，我们展示了该方法在生成实际且符合查询要求的交通仿真方面的有效性。
- 通过 TCN-LSTM 和多任务学习模型实现车道变换意图识别和驾驶状态预测的统一方法
本文提出了一种基于多任务学习的 LC 意图识别和状态预测模型，提高了 LC 意图分类的准确率并给出了一种实现自动驾驶车辆辨别车道变更行为、计算实时交通冲突指数并改善车辆控制策略的方法。
- RESET: 重访轨迹集以进行条件行为预测
本文提出了一种基于集合的轨迹预测方法，将其应用于无人驾驶车辆的条件行为预测，并通过图形编码器和计划轨迹的后期融合，实现了与回归方法相当的性能。
- 利用预测模型进行时空流体过程的自适应采样
本文针对流体过程的持续监测问题，提出了一种基于预测模型的自适应采样算法（PASST），该算法利用深度学习模型进行路径规划，采样数据用于更新初始状态以改进预测性能，并通过强化学习算法进行路径规划，实现在给定时间范围内对流体过程进行高效可靠的监 - 自主驾驶车辆测试的复杂环形交叉口程序化生成
本文介绍了一种基于几何约束的程序性模型建立环形路的新方法，能够使进入环形路的道路以任意角度连接，提高了自动驾驶测试中真实性的同时也便于在高清晰路网生成流程中加入。
- 利用驾驶员风险场的关键驾驶行为演示学习
本研究针对自主车辆计划模块中模仿学习（IL）规划器的样本效率和泛化能力低的问题，提出了基于样条系数参数化和离线专家查询的 IL 模型来提高安全性和训练效率，并通过生成关键场景和使用 DRF 进行连续训练，证明其在资源利用效率上的优越性。
- 可解释的深度跟踪
通过交互式干预训练（IIT）方法，本研究设计了一个端到端优化的多目标跟踪结构和训练协议来解释神经网络在 3D 检测，多目标跟踪和运动预测方面的决策，从而提供解释与可解释性。
- 用语言表述决策树状态解释自主性
该研究旨在提供一个框架，以易于理解的方式解释自主车辆在任务期间所采取的决策和行动，并具有与任何自主体系结构叠加的自主性无关的系统。
- AVDDPG: 自主编队控制中的联邦强化学习
研究在自动驾驶车队中应用联邦强化学习的有效性，发现使用权重聚合的车队内联邦强化学习方法提供了最佳性能，同时发现使用联邦学习的车队表现比没有使用的车队表现更好。
- CVPR高尔夫球员：带掩码目标条件的 MnM 网络轨迹预测
本研究提出了一种名为 golfer 的基于 Transformers 的模型，能够高效地预测自动驾驶汽车的轨迹，并在 2022 Waymo Open Dataset Motion Prediction Challenge 中获得第二名和 m - CVPRMotionCNN 自动驾驶中运动预测的强大基准线
本文提出了一种基于卷积神经网络的简单而强大的多模态运动预测基准线，与最先进方法相比，具有竞争性的性能，并且在 2021 年 Waymo 开放数据集运动预测挑战赛上排名第三。
- OpenPodcar：自动驾驶研究开源车辆
OpenPodcar 是一款基于开源硬件和软件的低成本自主车辆研究平台，该平台提供了硬件和软件构建说明来将基础单车转换成一个低成本且全自动的平台，并可用于各种交通领域的研究。
- 深度交互式动作预测与规划：通过动作预测模型进行游戏
本研究提出一种多智能体策略网络和博弈论模型预测控制器相结合的方案，将自动驾驶车辆的预测和规划层紧密耦合，能够有效生成交互行为。
- VI-IKD：利用学习的视觉惯性反运动学进行高速准确的越野导航
该论文提出了一种新的基于学习的运动学逆解模型：Visual-Inertial Inverse Kinodynamics (VI-IKD)，它结合了惯性和视觉信息，可以预测地形与车辆间的运动学相互作用，提高了无人车高速越野导航的准确性和鲁棒性 - 用于 3D 目标检测的密集体素融合
提出了基于 Dense Voxel Fusion 的序列融合方法，该方法对于自主车辆应用中的 3D 物体检测具有重要意义。通过直接使用地面真实 3D 边界框标签进行训练，避免使用嘈杂的、特定于检测器的 2D 预测。DVF 在 KITTI 3 - 基于场景的自动驾驶行为预测模型测试平台
本文介绍了一种基于仿真的测试平台，支持用名为 Scenic 的概率编程语言进行情景建模，指定具有部分优先级排序的多目标评估指标，验证所提供的指标，以及进行可伸缩的测试。该平台包含 25 个 Scenic 程序库，并测试了行为预测模型并寻找失 - Pylot: 自主驾驶车辆延迟 - 准确性权衡探索的模块化平台
我们提出了 Pylot，这是一个自主车辆研究和开发平台，其目标是允许研究人员研究其模型和算法的延迟和准确性对 AV 端到端驾驶行为的影响，其中 AV 管道的各个组件表示为运算符的数据流图，PYLOT 提供多种各种 AV 管道组件的最先进的引 - 自主驾驶的概率三维多模态、多目标跟踪
通过融合 2D 图像与 3D LiDAR 点云的特征，学习度量，以及在无匹配目标检测时初始化跟踪，提出了一种概率、多模态、多对象跟踪系统，实现了比现有技术更鲁棒、数据驱动的多对象跟踪。