目标点注意力Transformer:一种用于端到端自动驾驶的新型轨迹预测网络

目标点注意力Transformer:一种用于端到端自动驾驶的新型轨迹预测网络

附赠自动驾驶学习资料和量产经验:链接

摘要

本文介绍了目标点注意力Transformer:一种用于端到端自动驾驶的新型轨迹预测网络。在自动驾驶领域中,已经有很多优秀的感知模型,用于目标检测、语义分割和其它任务,但是我们如何可以有效地将感知模型用于车辆规划呢?传统的自动驾驶车辆轨迹预测方法不仅需要遵循交通规则以实现避障,还需要按照规定的路线到达目的地。在本文中,我们提出了一种无规则的基于transformer的轨迹预测网络用于端到端自动驾驶,称为目标点注意力Transformer网络(TAT)。我们使用注意力机制来实现预测轨迹与感知特征以及目标点之间的交互。我们证明了,本文所提出的方法优于现有的条件模仿学习和基于GRU的方法,显著地减少了事故的发生并且提高了路线完成率。我们使用CARLA仿真器在城市中复杂的闭环驾驶场景中评估了本文方法,并且实现最先进的性能。

主要贡献

本文的贡献总结如下:

1)本文所提出的目标点注意力Transformer模型利用了注意力机制来预测自动驾驶车辆的未来轨迹,从而显著减少了事故的发生,并且提高了路线完成率;

2)本文在CARLA上进行定量实验,对不同的轨迹预测方法进行比较和分析。实验结果证明了所提出方法的有效性。

论文图片和表格

总结

在本文中,我们提出了一种用于端到端自动驾驶的新型轨迹预测网络。我们证明了,现有的基于GRU的轨迹预测网络无法充分利用可用的感知特征。为了解决这一限制,本文提出了一种新型的轨迹预测网络,其利用Transformer的注意力机制与高维感知特征直接交互,并且在CARLA上实现了最先进的性能。本文方法通用且适应性强,我们计划通过探索新的感知网络来研究进一步的改进(例如独立的交通信号灯检测网络),以缓解闯红灯的问题。

相关推荐
HiEV3 小时前
最高支持高速L3商用,华为发布ADS 4智驾系统
自动驾驶·汽车
shichaog15 小时前
语音合成之一TTS技术发展史综述
spark·语音合成·tts·端到端
硅谷秋水16 小时前
CoT-Drive:利用 LLM 和思维链提示实现自动驾驶的高效运动预测
人工智能·机器学习·语言模型·自动驾驶
硅谷秋水18 小时前
ORION:通过视觉-语言指令动作生成的一个整体端到端自动驾驶框架
人工智能·深度学习·机器学习·计算机视觉·语言模型·自动驾驶
yanlaifan20 小时前
汽车自动驾驶介绍
自动驾驶
COOCC11 天前
PyTorch 实战:Transformer 模型搭建全解析
人工智能·pytorch·python·深度学习·神经网络·目标检测·transformer
whuzhang162 天前
3DGS之齐次坐标
人工智能·3d·自动驾驶
HiEV2 天前
激光雷达成为新时代「安全气囊」,禾赛推动智能车安全再进化
自动驾驶·汽车
硅谷秋水2 天前
UniOcc:自动驾驶占用预测和预报的统一基准
人工智能·深度学习·机器学习·计算机视觉·自动驾驶
简简单单做算法2 天前
基于GA遗传优化TCN-BiGRU注意力机制网络模型的时间序列预测算法matlab仿真
matlab·tcn-bigru·时间序列预测·注意力机制·ga遗传优化