Int2Planner: An Intention-based Multi-modal Motion Planner for Integrated Prediction and Planning

要約

動作計画は自動運転における重要なモジュールであり、他の参加者との相互作用によって引き起こされる不確実性が主な課題です。
これまでのほとんどの方法では、予測と計画を別個のタスクとして扱うため、これらの相互作用をモデル化するのは困難です。
さらに、ルート経路は自車両を事前に定義された目的地までナビゲートするため、自車両に比較的安定した意図を提供し、不確実性を抑制するのに役立ちます。
これに基づいて、マルチモーダルな計画と予測を実現する \textbf{Int} オプション ベースの \textbf{Int} 統合モーション \textbf{Planner} である Int2Planner を構築します。
Int2Planner は、静的な意図ポイントの代わりに、自我車両のルート意図ポイントを利用し、各意図ポイントに対応する計画軌道を生成して、マルチモーダルな計画を容易にします。
プライベート データセットとパブリック nuPlan ベンチマークの実験では、ルート意図ポイントの有効性が示されており、Int2Planner は最先端のパフォーマンスを実現しています。
実際の車両にも導入し、市街地で数百キロメートルの自動運転を実施しています。
さらに、Int2Planner がトラフィック環境と継続的に対話できることを検証します。
コードは https://github.com/cxlz/Int2Planner で入手できます。

要約(オリジナル)

Motion planning is a critical module in autonomous driving, with the primary challenge of uncertainty caused by interactions with other participants. As most previous methods treat prediction and planning as separate tasks, it is difficult to model these interactions. Furthermore, since the route path navigates ego vehicles to a predefined destination, it provides relatively stable intentions for ego vehicles and helps constrain uncertainty. On this basis, we construct Int2Planner, an \textbf{Int}ention-based \textbf{Int}egrated motion \textbf{Planner} achieves multi-modal planning and prediction. Instead of static intention points, Int2Planner utilizes route intention points for ego vehicles and generates corresponding planning trajectories for each intention point to facilitate multi-modal planning. The experiments on the private dataset and the public nuPlan benchmark show the effectiveness of route intention points, and Int2Planner achieves state-of-the-art performance. We also deploy it in real-world vehicles and have conducted autonomous driving for hundreds of kilometers in urban areas. It further verifies that Int2Planner can continuously interact with the traffic environment. Code will be avaliable at https://github.com/cxlz/Int2Planner.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google