BriefGPT.xyz
Ask
alpha
关键词
dynamic agents
搜索结果 - 5
CVPR
DualAD: 动态和静态世界的端到端驾驶分解
自动驾驶的最新方法将整个驾驶任务的多个子任务整合成一个单一的流水线，可以通过在不同模块之间传递潜在表示进行端到端的训练。与之前依赖统一网格表示场景置信状态的方法相比，我们提出了专用的表示方法来解耦动态代理和静态场景元素，从而明确补偿相邻时间
→
PDF
a month ago
可解释运动预测的解缠关系神经推理
本文提出了一种变分自动编码器框架，通过整合基于图表示和时间序列模型，有效捕捉交互式动态代理之间的时空关系并预测其动态行为，进而增强模型的可解释性和在分布外泛化的能力。经过大量的仿真和现实世界数据集的实验证明，与现有方法相比，本方法在建模时空
→
PDF
6 months ago
可解释的长期基于路标的轨迹预测模型
在复杂环境中预测动态实体的未来轨迹对于自动驾驶、机器人技术和人机交互等领域至关重要。本研究中，我们研究了在轨迹预测框架中加入长期目标对性能的影响，并提出了一种可解释的长期目标驱动预测框架 (WayDCM)，通过编码他们与环境的互动以及长期目
→
PDF
7 months ago
利用深层集成技术在感应不确定性下进行行人轨迹预测
提出了一种能够同时考虑感知不确定性和预测不确定性的端到端估计器 —— 基于编解码器的深度合奏网络，比较了该模型与其他近似贝叶斯推断方法。实验表明，该方法可以更准确地进行鲁棒的未来状态预测。
PDF
a year ago
深度强化学习中动态决策机构的运动规划
本文介绍了一种基于深度强化学习和 LSTM 的算法，可以在不使用特定行为规则的情况下，学习各种类型的动态代理之间的避碰。通过仿真和在全自主机器人车辆上的实验，证明了该算法随着代理数量的增加能够更好地执行避碰，并且不需要使用 3D 激光雷达。
PDF
6 years ago
Prev
Next