上交Int2Planner：集成预测和规划的意图多模态运动规划器

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 『 运动规划 』 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/2501.12799
• 代码链接：https://github.com/cxlz/Int2Planner

摘要

本文介绍了Int2Planner：用于集成预测和规划的基于意图的多模态运动规划器。运动规划是自动驾驶中的一个关键模块，其主要挑战是与其他参与者的交互导致的不确定性。由于大多数先前方法将预测和规划作为单独的任务，因此难以建模这些交互。此外，由于路径将自车导航到预定义的目的地，它为自车提供了相对稳定的意图，并且有助于约束不确定性。在此基础上，本文构建了基于意图的集成运动规划器Int2Planner，它实现了多模态规划和预测。Int2Planner利用了自车的路径意图点（而不是静态意图点），并且为每个意图点生成相应的规划轨迹，以促进多模态规划。在私有数据集和公开nuPlan基准上的实验证明了路径意图点的有效性，并且Int2Planner实现了最先进的性能。本文还将其部署在现实世界车辆上，并且在城市地区进行了数百公里的自动驾驶测试。这进一步验证了Int2Planner能够与交通环境持续交互。

主要贡献

本文的主要贡献总结如下：

1）本文开发了一种新的规划模型Int2Planner，它利用路径意图点来处理多模态规划的不确定性。它将预测和规划结合到一个联合模型中，以实现自车和周围智能体之间的交互；

2）本文提出了从路径中采样意图点（而不是静态意图点）来表示自车的潜在意图。本文为每个意图点生成规划轨迹，以实现多模态规划；

3）本文将为运动规划任务发布一个新的数据集，并且在私有数据集和公开nuPlan数据集上进行实验。结果表明，所提出的路径意图点有效地提高了运动规划能力，并且Int2Planner在这些数据集上实现了最先进的规划性能；

4）本文在现实世界车辆上部署了Int2Planner，测试结果表明，Int2Planner能够对复杂交通场景做出反应，并且生成安全且合理的规划轨迹。

论文图片和表格

总结

本文提出了Int2Planner，这是一种基于意图的运动规划器，用于实现集成预测和规划。本文通过路径意图点来约束自身智能体（EA）的不确定性，并且根据路径意图点来生成和优化多模态规划轨迹。实验结果表明，本文模型实现了最先进的性能。路径意图点有效地提高了规划性能，并且为EA提供了合理的意图。此外，在现实世界车辆上部署了Int2Planner，测试表明，Int2Planner能够与环境持续交互，并且输出合理且安全的规划轨迹。

局限性和未来工作 ：在闭环仿真和实车测试中，目前利用了具有最高置信度的输出规划轨迹，但是该轨迹不一定是最优的，特别是在复杂的交通场景中。在未来工作中，将着重于处理多模态规划，以进一步提升性能。