卡耐基梅隆大学 | 基于自适应世界模型的自动驾驶规划器（最新SOTA）

文章预览

来源： 自动驾驶Daily 写前面 & 笔者的个人理解 运动规划对于复杂城市环境中的安全航行至关重要。从历史上看，运动规划器（MP）是在仿真环境（如CARLA）进行评估的。然而，这种合成基准并不能捕捉现实世界中的多智能体交互。最近发布的MP基准测试nuPlan通过使用闭环仿真逻辑增强现实世界的驾驶日志来解决这一限制，有效地将固定数据集变成了反应仿真器。我们分析了nuPlan记录日志的特征，发现每个城市都有自己独特的驾驶行为，这表明稳健的规划者必须适应不同的环境。我们学习使用BehaviorNet对这种独特的行为进行建模，BehaviorNetwork是一种图卷积神经网络（GCNN），它使用从最近观察到的代理历史中导出的特征来预测反应性代理行为；凭直觉，一些激进的agent可能会尾随车辆，而其他agent则可能不会。为了对这些现象进行建模，BehaviorNet预测代 ………………………………