PPAD: Iterative Interactions of Prediction and Planning for End-to-end Autonomous Driving

要約

我々は、予測と計画をより適切に統合するためにタイムステップごとの相互作用を考慮した、PPAD (予測と計画自動運転の反復相互作用) と呼ばれる、エンドツーエンドの自動運転のための予測と計画の新しい対話メカニズムを紹介します。
自車両は、周囲のエージェント (車両や歩行者など) の軌道予測とその地域の道路状況に基づいて、各タイムステップで動作計画を実行します。
既存のエンドツーエンドの自動運転フレームワークとは異なり、PPAD は、単一の連続した予測プロセスとその後に計画を行うのではなく、タイムステップごとに予測プロセスと計画プロセスをインターリーブすることにより、自己回帰的な方法で自我、エージェント、動的環境間の相互作用をモデル化します。
。
具体的には、対話をより適切にモデル化するために、階層的な動的キーオブジェクトに注意を払って、エゴからエージェント、エゴからマップ、およびエゴからBEVへの対話メカニズムを設計します。
nuScenes ベンチマークの実験では、私たちのアプローチが最先端の手法を上回るパフォーマンスを示しています。

要約(オリジナル)

We present a new interaction mechanism of prediction and planning for end-to-end autonomous driving, called PPAD (Iterative Interaction of Prediction and Planning Autonomous Driving), which considers the timestep-wise interaction to better integrate prediction and planning. An ego vehicle performs motion planning at each timestep based on the trajectory prediction of surrounding agents (e.g., vehicles and pedestrians) and its local road conditions. Unlike existing end-to-end autonomous driving frameworks, PPAD models the interactions among ego, agents, and the dynamic environment in an autoregressive manner by interleaving the Prediction and Planning processes at every timestep, instead of a single sequential process of prediction followed by planning. Specifically, we design ego-to-agent, ego-to-map, and ego-to-BEV interaction mechanisms with hierarchical dynamic key objects attention to better model the interactions. The experiments on the nuScenes benchmark show that our approach outperforms state-of-the-art methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google