Conditional Prediction by Simulation for Automated Driving

要約

モジュラー自動化された駆動システムは、一般に、予測と計画を連続的な個別のタスクとして処理し、それにより協力的な操作を禁止します。
協力計画を可能にするために、この作業は、軌跡間の条件付き依存関係をモデル化する予測モデルを導入します。
このため、微視的なトラフィックシミュレーションによって予測が生成され、個々のトラフィック参加者は、敵対的な逆補強学習を介して訓練された現実的な行動モデルによって制御されます。
自動化された車両のさまざまな候補の軌跡を仮定することにより、それぞれに条件付けられた予測を生成します。
さらに、私たちのアプローチにより、候補の軌跡は予測の展開中に動的に適応することができます。
いくつかの例シナリオは、https：//conditionalpredictionbysimulation.github.io/で入手できます。

要約(オリジナル)

Modular automated driving systems commonly handle prediction and planning as sequential, separate tasks, thereby prohibiting cooperative maneuvers. To enable cooperative planning, this work introduces a prediction model that models the conditional dependencies between trajectories. For this, predictions are generated by a microscopic traffic simulation, with the individual traffic participants being controlled by a realistic behavior model trained via Adversarial Inverse Reinforcement Learning. By assuming various candidate trajectories for the automated vehicle, we generate predictions conditioned on each of them. Furthermore, our approach allows the candidate trajectories to adapt dynamically during the prediction rollout. Several example scenarios are available at https://conditionalpredictionbysimulation.github.io/.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google