从Tesla开始,越来越多的企业和研究机构开始投身于端到端的自动驾驶模型,但是目前端到端的缺点是黑盒、不可读、不可解释。观看一些讲解和论坛后,个人觉得可解释的端到端模型将是未来的趋势。
视觉语言--大模型可以提供一些场景下的决策;
目前预测模块制约了自动驾驶的发展,感知相对稳定,规划控制也可以实时的计算出运动轨迹,不同的决策约束了不同的ROI区域,从而限制了相关的规划轨迹求解。
视觉语言模型,缺点是3D的场景下描述较差,推导计算周期长,规划轨迹不稳定。
Tesla的planning用DL主要是为了加速树搜索,而不是直接端到端黑箱出轨迹。用DL直接输出轨迹,再使用ilqr修正是不靠谱的。用DL只是加速是ok的,因为只影响搜索效率,不会有啥严重后果。同理Prediction直接DL出意图是可以的,出轨迹是不行的,至少要结合planning,做一些agent的轨迹优化和生成。
清华大学---赵行老师:
目前研究措施:使用双系统进行互补,一个是快模型。一个是慢模型,简单问题和默认情况下是快模型进行常规执行,复杂场景慢模型输出决策给快系统进行修正;
pipeline::3D perception --> Video --> motion Prediction --> Trajectory Planning
两种结合:
1、感知层面:标注的视频进行匹配;
2、规划层面:两个模型的规划轨迹进行互相配合,进行微调;
参考tesla影子模式;
两个OrinX,一个fast,一个slow,多线程并行运行,slow额外发送一条指令给fast,微调fast的规划轨迹;
语言标注,推理标注,后验结果标注,模仿学习;
浙江大学---廖依伊老师---面向自动驾驶的写实可控视觉仿真
传统的数据集无法闭环测试;carla场景搭建复杂,与现实存在差距较大。
上海交大---蔡盼盼---决策规划
传统的模块化系统(计算量)和新的端到端系统(数据量);
端到端系统面临的挑战:安全性、可靠性:神经网络的决策无法确保安全性和一致性,缺乏可解释性;
可拓展性挑战:
1、大规模交互场景:与大量交通参与者的实时交互;缺点:过度激进、过度保守;
step1:问题抽象建模;
马尔科夫决策过程(MDP):<S,A,T,R,Y>;
利用MDP模型,求解机器人的最优闭环策略;
Tesla2022aiday分享相关的MDP知识
蒙塔卡洛树搜索(MCTS):通过推演未来可能发生的各种状况,从而计算自车的最优策略;
人类行为存在不确定性:意图推断、分析;(贝叶斯推断)
信念;
部分可观马尔科夫决策过程(POMDP);<S,A,Z,T,O,R,Y>
step2:设计规划算法
信念树;bellman等式;
信念树搜索;DESPOT算法;
step3:实用算法优化:
融合规划:LeTS-Drive;
并行化+融合规划与学习;
南洋理工---刘浩晨---自动驾驶的预测规划:联合方法与挑战
模型核心:编码-解码:建模表征间的交互;
编码:(ego+agent history) +( map info)
解码:ego future planning --- agent future prediction
通用主干: Transformer、CNN