自动驾驶的未来：轨迹大模型的扩展预测与规划革命

文章预览

原文链接：https://mp.weixin.qq.com/s/ZlSgru6tIPPREhNRXmqUyQ 本文只做学术/技术分享，如有侵权，联系删文。 01 摘要 运动预测和规划是自动驾驶中的关键任务，近期该领域的工作已经转为基于机器学习的方法。主要的挑战包括：各种道路拓扑结构的理解，在较长时间范围内推理交通动态变化，解释场景下异构行为和在一个大型持续的状态空间中生成策略。受到大模型成功案例的启发，它通过模型扩展解决相似复杂的任务，本文因此也引入一个可扩展的轨迹模型，叫做状态Transformer（STR）。STR 通过将观测、状态和行动整合为一个统一的序列建模任务，重新定义了运动预测和运动规划问题。本文方法将轨迹生成问题归类为其他序列建模问题，在语言建模等相似领域取得突破，为快速迭代提供动力。实验结果揭示大型轨迹模型（LTMs），例如：STR，表现出突出的适 ………………………………