論文の概要: Trajectory-guided Control Prediction for End-to-end Autonomous Driving:
A Simple yet Strong Baseline
- arxiv url: http://arxiv.org/abs/2206.08129v1
- Date: Thu, 16 Jun 2022 12:42:44 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-18 02:09:29.833146
- Title: Trajectory-guided Control Prediction for End-to-end Autonomous Driving:
A Simple yet Strong Baseline
- Title(参考訳): 終端自動走行のための軌道誘導制御予測:シンプルだが強力なベースライン
- Authors: Penghao Wu, Xiaosong Jia, Li Chen, Junchi Yan, Hongyang Li, Yu Qiao
- Abstract要約: 現在のエンドツーエンドの自律運転法は、計画された軌道に基づいてコントローラを実行するか、直接制御予測を行う。
我々の統合されたアプローチには、それぞれ軌道計画と直接制御のための2つの枝があります。
CARLAシミュレータを用いて閉ループ都市運転環境の評価を行った。
- 参考スコア(独自算出の注目度): 96.31941517446859
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Current end-to-end autonomous driving methods either run a controller based
on a planned trajectory or perform control prediction directly, which have
spanned two separately studied lines of research. Seeing their potential mutual
benefits to each other, this paper takes the initiative to explore the
combination of these two well-developed worlds. Specifically, our integrated
approach has two branches for trajectory planning and direct control,
respectively. The trajectory branch predicts the future trajectory, while the
control branch involves a novel multi-step prediction scheme such that the
relationship between current actions and future states can be reasoned. The two
branches are connected so that the control branch receives corresponding
guidance from the trajectory branch at each time step. The outputs from two
branches are then fused to achieve complementary advantages. Our results are
evaluated in the closed-loop urban driving setting with challenging scenarios
using the CARLA simulator. Even with a monocular camera input, the proposed
approach ranks $first$ on the official CARLA Leaderboard, outperforming other
complex candidates with multiple sensors or fusion mechanisms by a large
margin. The source code and data will be made publicly available at
https://github.com/OpenPerceptionX/TCP.
- Abstract(参考訳): 現在のエンドツーエンドの自律運転法は、計画された軌道に基づいてコントローラを走らせるか、直接制御予測を行う。
本稿では,両者の相互利益の可能性を見据えて,これら2つの高度に発達した世界の組み合わせを探究する。
具体的には、軌道計画と直接制御のための2つのブランチがある。
軌道分岐は将来の軌道を予測するが、制御分岐は現在の動作と将来の状態の関係を推論できるような新しい多段階予測スキームを含む。
2つの分岐は、制御分岐が各タイミングステップで軌道分岐から対応する誘導を受けるように接続される。
2つの枝からの出力は相補的な利点を達成するために融合される。
本研究では,CARLAシミュレータを用いた都市運転環境の評価を行った。
モノクロカメラの入力であっても、提案されたアプローチは公式のCARLA Leaderboardで1ドルと評価され、複数のセンサーや融合機構を持つ他の複雑な候補よりも大きなマージンで優れている。
ソースコードとデータはhttps://github.com/OpenPerceptionX/TCPで公開されている。
関連論文リスト
- Is Ego Status All You Need for Open-Loop End-to-End Autonomous Driving? [88.398233613304]
エンドツーエンドの自動運転は、フルスタックの観点から自律性を目標とする、有望な研究の方向性として浮上している。
比較的単純な駆動シナリオを特徴とするnuScenesデータセットは、エンド・ツー・エンド・モデルにおける知覚情報の未使用化につながる。
予測軌跡が道路に付着するかどうかを評価するための新しい指標を提案する。
論文 参考訳(メタデータ) (2023-12-05T11:32:31Z) - PBP: Path-based Trajectory Prediction for Autonomous Driving [3.640190809479174]
軌道予測は自動運転スタックにおいて重要な役割を果たす。
近年、ゴールに基づく予測モデルは、将来の軌道のマルチモーダルな性質に対処するために注目を集めている。
論文 参考訳(メタデータ) (2023-09-07T14:45:41Z) - End-to-end Autonomous Driving: Challenges and Frontiers [46.05011954549315]
自動運転コミュニティは、エンドツーエンドのアルゴリズムフレームワークを採用するアプローチの急速な成長を目撃している。
エンドツーエンドの自動運転におけるモチベーション、ロードマップ、方法論、課題、今後のトレンドについて、250以上の論文を包括的に分析する。
論文 参考訳(メタデータ) (2023-06-29T14:17:24Z) - Bridging the Gap Between Multi-Step and One-Shot Trajectory Prediction
via Self-Supervision [2.365702128814616]
正確な車両軌道予測は、自動運転における未解決の問題である。
本稿では,複数の軌道セグメントを連結した中間層を提案する。
提案するマルチブランチ・セルフスーパービジョン予測器は,中間将来のセグメントから始まる新しい予測について追加の訓練を受ける。
論文 参考訳(メタデータ) (2023-06-06T02:46:28Z) - Multi-Vehicle Trajectory Prediction at Intersections using State and
Intention Information [50.40632021583213]
道路員の将来の軌跡予測への伝統的なアプローチは、過去の軌跡を知ることに依存している。
この研究は、交差点で複数の車両の予測を行うために、現在の状態と意図された方向を知ることに依存する。
この情報を車両間で送るメッセージは、それぞれがより総合的な環境概要を提供する。
論文 参考訳(メタデータ) (2023-01-06T15:13:23Z) - Multi-modal Transformer Path Prediction for Autonomous Vehicle [15.729029675380083]
ターゲットエージェントの長期的軌跡予測を目的としたMTPP(Multi-modal Transformer Path Prediction)と呼ばれる経路予測システムを提案する。
より正確な経路予測を実現するため,トランスフォーマーアーキテクチャをモデルに適用した。
実世界の軌跡予測データセットであるnuSceneを用いて,提案システムの有効性を定量的に評価した。
論文 参考訳(メタデータ) (2022-08-15T15:09:26Z) - Level 2 Autonomous Driving on a Single Device: Diving into the Devils of
Openpilot [112.21008828205409]
Comma.aiは、1台のカメラとボードを内蔵した999ドルのアフターマーケットデバイスがL2シナリオを処理する能力を持っていると主張している。
Comma.aiがリリースした全システムのオープンソースソフトウェアとともに、プロジェクトはOpenpilotと名付けられた。
このレポートでは、最新の知見を公開し、産業製品レベルでのエンドツーエンドの自動運転という、新たな視点について光を当てたいと思います。
論文 参考訳(メタデータ) (2022-06-16T13:43:52Z) - Control-Aware Prediction Objectives for Autonomous Driving [78.19515972466063]
本研究では,制御に対する予測の下流効果を評価するための制御認識予測目標(CAPOs)を提案する。
本稿では,エージェント間の注意モデルを用いた重み付けと,予測軌跡を接地真実軌跡に交換する際の制御変動に基づく重み付けの2つの方法を提案する。
論文 参考訳(メタデータ) (2022-04-28T07:37:21Z) - Divide-and-Conquer for Lane-Aware Diverse Trajectory Prediction [71.97877759413272]
軌道予測は、自動運転車が行動を計画し実行するための安全クリティカルなツールです。
近年の手法は,WTAやベスト・オブ・マニーといったマルチコース学習の目標を用いて,強力なパフォーマンスを実現している。
我々の研究は、軌道予測、学習出力、そして運転知識を使って制約を課すことによるより良い予測における2つの重要な課題に対処する。
論文 参考訳(メタデータ) (2021-04-16T17:58:56Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。