urban driving | BriefGPT - AI 论文速递

关键词urban driving

搜索结果 - 7

神经世界模型与计算机视觉
该研究提出了一种基于计算机视觉概念，使用深度神经网络从摄像头观测和专业演示数据中训练世界模型和政策的通用框架，该模型可以预测鸟瞰图空间中动态汽车的未来轨迹，并在城市驾驶环境中联合预测静态场景、动态场景和特定行为。
PDFa year ago
城市驾驶的基于模型的模仿学习
使用基于模型的模仿学习方法来提高自主驾驶的动作规划，该方法利用 3D 几何形状作为归纳偏差并从专家演示高分辨率视频中直接学习高度紧凑的潜在空间。该模型被训练于城市驾驶数据的离线语料库中，是首个在城市驾驶环境中只使用相机模拟出静态场景、动态场
PDF2 years ago
城市驾驶员：使用策略梯度从现实演示中学习驾驶
本文提出了一种离线策略梯度方法，通过在感知输出和高保真度地图上构建可微分的数据驱动模拟器来从现实世界的大量演示中学习城市驾驶的模仿策略，进而在闭环中使用策略梯度训练策略网络，并通过在 100 小时的专家演示上进行训练，展示其能够学习出高泛化
PDF3 years ago
CVPR基于隐含机会的城市驾驶端到端无模型强化学习
本文采用一种叫 implicit affordances 的新技术，成功地通过强化学习算法完成了诸如车道保持，行人和车辆避让，以及红绿灯检测等复杂任务，最终在 CARLA 挑战赛中获胜。
PDF5 years ago
CoverNet：使用轨迹集进行多模态行为预测
CoverNet 是一种用于城市驾驶中的多模态、概率轨迹预测的新方法，将轨迹预测问题作为一组多样化轨迹的分类问题来解决，并通过动态生成轨迹组来提高方法的效率。
PDF5 years ago
与行人交互的自主车辆：理论与实践综述
研究了自动驾驶汽车在城市环境中行驶面临的主要挑战以及解决方案，包括与行人的交互问题，通过调查研究现有的行人行为研究，提出解决方案包括与行人通信的设计方法和针对理解行人意图的视觉感知和推理算法，同时讨论了未来的研究方向。
PDF6 years ago
利用几何和形状线索进行在线多目标跟踪
该论文提出了城市驾驶场景中多目标跟踪的几何和物体形状以及姿势成本方法，通过使用单目相机图像，基于三维线索，设计成对的目标跟踪成本，这些成本易于实现，可实时计算，可以结合任何优化框架以输出成对数据关联。同时，本文提出的方法在不同条件下的实验表
PDF6 years ago