【慕尼黑工业大学】Daniel Cremers组新作：通过困难样本挖掘提高非结构化环境中多车导航的性能

文章预览

点击下方 卡片 ，关注“ 自动驾驶专栏 ”公众号 自动驾驶干货 ，即可获取 论文链接： https://arxiv.org/pdf/2409.05119 项目主页：https://yininghase.github.io/multiagent-collision-mining/ 摘要 本文介绍了通过困难样本挖掘提高非结构化环境中多车导航的性能 。当代自动驾驶研究在模拟人类驾驶特征方面展现出巨大的潜力。然而，它们主要服务于具有完善的道路基础设施和健全的交通管理系统的区域。因此，在没有交通信号或者非结构化环境中，这些自动驾驶算法可能会失效。本文提出了一种在非结构化环境中没有交通规则的情况下多车自主导航以靠近预期目的地的策略。 图形神经网络（GNNs）已被证明在多车控制任务中具有良好的实用性。在训练GNNs的不同替代方案中，监督方法已被证明是数据最高效的，尽管其需要真值标签。然而，这些标签可能并不总是可用的 ………………………………