斯坦福大学研究人员推出LUCIDGames,这是一种可以预测和规划自动驾驶汽车自适应轨迹的计算技术

0
2728
Source: //arxiv.org/pdf/2011.08152.pdf

斯坦福大学的研究人员最近推出了LUCIDGames, 计算技术 预测和规划自动驾驶汽车的自适应轨迹。该技术集成了基于博弈论的算法和估计方法。

人们通常可以找出其他驱动因素’目标,并协商决策,例如,谁在给定的路口先行。在他们的研究中,Le Cleac’h和他的队友试图在自动驾驶汽车中复制这种能力以及支持它的复杂行为。他们的最终目标是让自动驾驶汽车识别其他车辆’目标,在涉及某种程度的谈判的情况下,计划其周围环境以规划更合适的轨迹。

该技术结合了两个主要工具,一种算法依赖 博弈论与估计技术

广告Coursera Plus标语,包含约翰·霍普金斯大学,谷歌和密歇根大学的课程,突出显示数据科学职业发展的内容
  • 基于组件 博弈论 当他们的目标与目标不同时,允许自动驾驶汽车推理与其他主体(车辆,行人等)的交互。 
  • 估计部分允许自动驾驶车辆快速估计其他人员’与目标交互时的基本目标,例如,所需速度,所需车道或与自动驾驶汽车交互的每个对象的攻击程度。

LUCIDGames旨在使自动驾驶汽车即使在复杂的情况下也能够快速识别附近汽车和行人的目标。

//www.youtube.com/watch?v=jRAF3HU2Y5k&feature=emb_logo

该系统由一个“estimator,”识别驱动程序的技术’ objectives, and a “decision-maker,”照顾转向角和自动驾驶汽车加速度的算法。决策者根据估算器收集的信息确定最适合车辆的轨迹。首先对轨迹进行预测,然后将其与现实情况进行比较。

经过初步培训后,它将对其他特工的新猜测进行抽样’轨迹接近保留的猜测并评估其预测性能。每次重复此过程以完善其猜测,最后得出关于其他周围因素如何移动的最终预测。

通过这种技术,自动驾驶汽车还可以知道何时可以对自己的猜测充满信心,以及何时信心较低。在这种不确定的情况下,它将采取更加谨慎的措施,并与其他车辆保持更大的安全距离。

将来,LUCIDGames有望增强自动驾驶车辆的安全性和可靠性。他们可以通过预测周围环境中特工的移动和动作来以自适应方式移动。到目前为止,该团队仅在仿真中评估了该技术。现在,他们还计划对其进行实际测试 自动驾驶汽车.

斯坦福大学的多机器人系统实验室正在试验小型模型车上的车辆与全尺寸车辆之间的博弈论相互作用 自动驾驶 斯坦福大学汽车研究中心(CARS)作为合作伙伴。

Paper: //arxiv.org/abs/2011.08152

广告

发表评论

请输入您的评论!
请在这里输入您的名字

该网站使用Akismet减少垃圾邮件。 了解如何处理您的评论数据.