Conceitos Básicos
物理的に現実的な車両の軌跡を生成し、未観測の物理変数を正確に予測するための新しい方法を提案します。
Resumo
自律走行における重要なタスクである軌道生成と予測に焦点を当て、物理モデルを前提とせずに高性能なトラフィックシナリオを学習する方法が課題であることが示されています。
既存のモデルベース手法は物理的な結果を提供しますが、事前定義されたモデル構造に制約されます。一方、学習ベース手法は高次元環境から情報を抽出できますが、物理モデルを考慮していません。
新しい手法では、運動学知識をニューラル確率微分方程式(SDE)に統合し、この潜在運動学感知SDE(LK-SDE)に基づく変分オートエンコーダーを設計しています。
実験結果は、提案手法が物理的に現実的かつ精密に制御可能な車両の軌跡を生成することで他の手法よりも優れていることを示しています。
論文は導入、背景、提案手法の設計、実験結果、および結論のセクションから成り立っています。
Estatísticas
学習ベースアプローチやモデルベースアプローチよりも優れた性能が示されました。
LK-SDEベースの手法は平均ジャーク値やジャーク違反率で他手法よりも優れています。