神经符号PhysORD：结合拉格朗日与数据驱动的越野自动驾驶中的物理运动预测方法

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 ………………………………