文章预览
Abstract 运动预测对自动驾驶越野行驶至关重要,然而由于车辆与地形之间的复杂交互,越野行驶比公路行驶面临更多挑战。传统的基于物理的模型在精确建模动态系统和外部干扰时遇到困难。相比之下,数据驱动的神经网络需要大量数据集,并且难以明确捕捉基本的物理定律,这很容易导致泛化能力差。通过融合这两种方法的优势,神经符号方法展现了很大的潜力。这些方法将物理定律嵌入神经模型中,有望显著提高泛化能力。然而,以往的工作尚未在越野驾驶的实际场景中进行评估。为填补这一空白,我们提出了PhysORD,一种将守恒定律(即欧拉-拉格朗日方程)与数据驱动神经模型结合的神经符号方法,用于越野驾驶中的运动预测。实验表明,PhysORD能够准确预测车辆运动,并通过建模不确定性来应对外部干扰。在准确性和效率方面,它均优于现
………………………………