LHPF: Look back the History and Plan for the Future in Autonomous Driving

要約

自動運転における意思決定と計画はシステムの安全性を大きく反映するため、効果的な計画が不可欠となります。
現在の模倣学習ベースの計画アルゴリズムは、多くの場合、過去の軌跡と現在の観察をマージして、将来の候補経路を予測します。
ただし、これらのアルゴリズムは通常、現在の計画と過去の計画を個別に評価するため、推進意図が不連続になり、不連続な計画の各ステップでエラーが蓄積されます。
この課題に取り組むために、この文書では、歴史的な計画情報を統合する模倣学習プランナーである LHPF を紹介します。
私たちのアプローチは、歴史的な計画意図をプールする歴史的意図集約モジュールを採用しており、その後、これらの計画意図が空間クエリ ベクトルと結合されて、最終的な計画軌跡をデコードします。
さらに、人間らしい運転行動の質を高めるための快適補助タスクを組み込んでいます。
実世界データと合成データの両方を使用した広範な実験により、LHPF が計画パフォーマンスにおいて既存の高度な学習ベースのプランナーを上回るだけでなく、専門家を上回る純粋な学習ベースのプランナーの最初の例となることが実証されました。
さらに、さまざまなバックボーンにわたる履歴意図集約モジュールの適用により、提案された方法の大きな可能性が強調されます。
コードは公開されます。

要約(オリジナル)

Decision-making and planning in autonomous driving critically reflect the safety of the system, making effective planning imperative. Current imitation learning-based planning algorithms often merge historical trajectories with present observations to predict future candidate paths. However, these algorithms typically assess the current and historical plans independently, leading to discontinuities in driving intentions and an accumulation of errors with each step in a discontinuous plan. To tackle this challenge, this paper introduces LHPF, an imitation learning planner that integrates historical planning information. Our approach employs a historical intention aggregation module that pools historical planning intentions, which are then combined with a spatial query vector to decode the final planning trajectory. Furthermore, we incorporate a comfort auxiliary task to enhance the human-like quality of the driving behavior. Extensive experiments using both real-world and synthetic data demonstrate that LHPF not only surpasses existing advanced learning-based planners in planning performance but also marks the first instance of a purely learning-based planner outperforming the expert. Additionally, the application of the historical intention aggregation module across various backbones highlights the considerable potential of the proposed method. The code will be made publicly available.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google