Core Concepts
自動運転における軌道計画の重要性と、同変ネットワークを活用した新しい計画手法の提案。
Abstract
自動運転における軌道計画は、周囲の車両との相互作用を考慮して安全かつ効率的な経路を見つける重要な課題である。
新しい同変性計画モデルは、多様な予測を生成し、その中から一つをエゴプランとして選択することで、サンプル効率性が向上し、出力の安定性が保証される。
各セクションでは、特徴初期化からトラジェクトリーデコードまでの処理手順が詳細に説明されている。
実験結果は、提案手法が入力シーンの回転移動に対して等価であることを示し、nuScenesデータセットで最先端のパフォーマンスを達成したことが示されている。
他の研究手法と比較した結果も提示されており、提案手法が優れた結果を示している。
Stats
提案手法はデータセット内で3秒後までL2距離を20.6%改善した。
PEPは1.3M個の訓練可能なパラメータを持っている。