分享好友 资讯首页 频道列表

一文读懂自动驾驶数据闭环

2021-09-21 18:04
4）规划：规划问题可以是传统的规则方法，也可以是强化学习或者模仿学习，其中强化学习也需要数据学习惩罚/奖励和策略。目前人们关心规划的地域化和个性化问题，这个比起感知的类似问题解决起来更加困难，比如激进还是保守地进行换道超车和并道汇入。最近有讨论合并预测和规划的解决方法，甚至包括地图定位一起建模，这个没有数据的“喂养”是很难成立的。
 
“DSDNet: Deep Structured self-Driving Network”
 
“End-to-end Interpretable Neural Motion Planner”
 
“MP3: A Unified Model to Map, Perceive,Predict and Plan”
 
“Probabilistic Anchor Trajectory Hypotheses For Behavior Prediction”
 
“VectorNet: Encoding HD Maps and Agent Dynamics From Vectorized Representation”
 
“Deep Imitation Learning for AV in Generic Urban Scenarios with Enhanced Safety”
 
“Perceive, Predict, and Plan: Safe Motion Planning Through Interpretable Semantic Rep”
5）控制：应该说，控制的传统方法相对成熟，不过并不是说数据驱动就没有价值，实际上规划和控制的确集成在一起建模也是大家感兴趣的领域，前面提到的强化学习和模仿学习同样是不错的解决手段。
 
“A Fast Integrated Planning and Control framework for AV via Imitation Learning”
 
“Deep Imitative Models For Flexible Inference, Planning, And Control”

来源：智驾最前沿

« 上一页 4/17 下一页 »
评论 0
同类信息