港科技&大疆：基于自适应交互模态探索的预测与决策

作者 | 自动驾驶专栏  编辑 | 自动驾驶专栏

点击下方 卡片 ，关注“ 自动驾驶之心 ”公众号

>> 点击进入→ 自动驾驶之心 『 端到端自动驾驶 』 技术交流群

本文只做学术分享，如有侵权，联系删文

• 论文链接： https://arxiv.org/pdf/2408.13742
• 代码链接：https://github.com/HKUST-Aerial-Robotics/MIND

摘要

本文介绍了基于自适应交互模态探索的多模态集成的预测与决策 。由于多模态交互的复杂性，在拥堵且动态的环境中导航给自动驾驶系统带来了重大挑战，其中各种交通参与者和自动驾驶车辆的行为是复杂的，并且是隐式耦合的。本文提出了一种新的框架，即多模态集成的预测与决策（MIND），其通过高效地生成涵盖多种不同交互模态的联合预测和决策来解决这些挑战。具体而言，MIND利用基于学习的场景预测来获得具有社会一致性交互模态的集成预测和决策，并且利用模态感知动态分支机制来生成场景树，该场景树高效地捕获不同交互模态的演变，其在规划范围内交互不确定性的变化较小。交互不确定性下的应急规划无缝地利用场景树来获得明确且考虑多模态演变的行为。基于现实世界驾驶数据集的闭环仿真中的综合实验结果表明，本文方法在各种驾驶环境下的性能优于其它强大的基线。

主要贡献

本文的贡献总结如下：