【BeTop：李弘扬老师新作，提升交互场景下的预测与规划性能】

文章预览

《Reasoning Multi-Agent Behavioral Topology for Interactive Autonomous Driving》这篇论文介绍了一种名为Behavioral Topology (BeTop)的新方法，用于提高自动驾驶系统中多智能体交互行为的预测和规划性能。BeTop基于绳结理论（braid theory），明确地表示了多智能体未来行为中的共识模式。这种方法旨在解决现有密集和稀疏行为表示在多智能体场景不确定性和异构交互中的效率和一致性问题。 BeTop通过从多智能体未来轨迹中提取合规的交互拓扑结构，来指导下游的轨迹生成。研究者们提出了一个名为BeTopNet的协同学习框架，该框架通过BeTop监督，提高了行为预测和规划的一致性。此外，通过模仿应急学习，BeTop还能够有效地管理预测和规划中的行为不确定性。 论文中的实验表明，BeTop在包括nuPlan和WOMD在内的大规模真实世界数据集上，实现了最先进的预测和规划任务性能。进一 ………………………………